Feedback

Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten

Informasi dokumen
MODEL L MANAJ JEMEN PE ENGETAHUAN PA ADA KLA ASTER INDU USTRI BA ARANG JA ADI LATE EKS DI JA AWA BAR RAT DAN BANTE EN Y SUGIAR RTO DEDY SEK KOLAH PASCA ASARJAN NA INSTIITUT PE ERTANIA AN BOG GOR B BOGOR 2012 PERNYATAAN MENGENAI DISERTASI DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa disertasi yang berjudul Model Manajemen Pengetahuan pada Klaster Industri Barang Jadi Lateks di Jawa Barat dan Banten adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi manapun. 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 disertasi ini. Bogor, Januari 2012 Dedy Sugiarto F361020051 ii ABSTRACT DEDY SUGIARTO. Knowledge management model at latex goods industrial cluster in West Java and Banten. Supervised by SYAMSUL MA’ARIF, MARIMIN, ILLAH SAILAH, SUKARDI, SUHARTO HONGGOKUSUMO. The objective of this research was to design knowledge management model at latex goods industrial cluster by taking cases in West Java and Banten Provinces. Latex goods industry in this area is dominated by small and medium enterprises (SME) that produce latex goods. The common problems for SME were lack of knowledge, technological skills, equipment, and marketing network, and also limited access to formal training. Fuzzy analytical hierarchy process technique was used to determine cluster strategy and knowledge management strategy. Knowledge gap analysis with fuzzy logic approach was used to identify key knowledge areas. Fuzzy average technique and Sugeno fuzzy inference system were used in this knowledge gap model. Fuzzy quality function deployment (FQFD), fuzzy failure mode and effect analysis (FFMEA), and expert systems were used to codify key knowledge area for supporting cluster initiative. The model was packaged in decision support system software. Knowledge management portal was developed using drupal content management system to support knowledge sharing in cluster. This research showed that innnovation and technology initiative was the most important initiative for developing latex goods industrial cluster. Therefore, knowledge about innovation and technology, especially production process design and control, are the related knowledge area that should be managed to develop cluster. Nine knowledge areas were detected based on fuzzy knowledge gap analysis. They were compound formulation, coagulant formulation, raw material inspection, dispersion process, dispersion inspection, compound dipping, leaching, vulcanization, and final inspection and failure analysis. Combination of codification and personalization strategy was the most important knowledge management strategy to support innovation and technology initiative and managed key knowledge areas. Result from the FQFD analysis showed that process design in compound dipping, vulcanization system, vulcanization process, and latex concentrate were the key processes in latex dipping in order to meet product technical characteristic. FFMEA analysis showed that latex incoming process and compounding between latex concentrate and chemical dispersion were the processes with highest fuzzy risk priority number. Knowledge codification media such as knowledge taxonomy and expert systems were constructed to codify knowledge about latex dipped goods process design and control. Knowledge management portal was designed for storing and sharing these key knowledge areas. Keywords : knowledge management strategy, industrial cluster, fuzzy AHP, fuzzy QFD, fuzzy FMEA, expert systems, latex goods iii RINGKASAN DEDY SUGIARTO. Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten. Dibawah bimbingan : SYAMSUL MA’ARIF, MARIMIN, ILLAH SAILAH, SUKARDI, dan SUHARTO HONGGOKUSUMO. Penelitian ini bertujuan untuk merumuskan model manajemen pengetahuan pada klaster industri barang jadi lateks dengan mengambil studi kasus di propinsi Jawa Barat dan Banten. Secara rinci tujuan tersebut adalah menghasilkan model pemilihan strategi pengembangan klaster; menghasilkan model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci; menghasilkan model pemilihan strategi manajemen pengetahuan; menghasilkan model kodifikasi pengetahuan disain proses; menghasilkan model kodifikasi pengetahuan kegagalan proses; serta menghasilkan rancangan portal manajemen pengetahuan sebagai sarana berbagi pengetahuan. Rancang bangun model manajemen pengetahuan terbagi menjadi dua bagian yaitu model sistem pendukung keputusan strategi pengetahuan dan sistem manajemen pengetahuan. Teknik fuzzy analytical hierarchy process (FAHP) digunakan untuk menentukan strategi klaster dan strategi manajemen pengetahuan. Teknik analisis kesenjangan pengetahuan dengan pendekatan logika fuzzy digunakan untuk menentukan area pengetahuan kunci. Kodifikasi pengetahuan menggunakan teknik fuzzy quality function deployment (FQFD), fuzzy failure mode and effect analysis (FFMEA) dan sistem pakar. Model sistem manajemen pengetahuan dirancang dalam bentuk portal manajemen pengetahuan menggunakan drupal content management system. Model strategi pengembangan klaster diawali dengan identifikasi aktor utama, perspektif pengembangan klaster, tujuan strategis pengembangan klaster serta inisiatif strategi dalam klaster menggunakan model yang dikembangkan dari model Balanced Scorecard. Model yang dikembangkan tersebut berdasarkan empat perspektif untuk mengukur kinerja suatu klaster industri yaitu kinerja perusahaan, hasil sosial/ekonomi, efisiensi kolektif dan modal sosial. Adapun tujuan strategis dalam kinerja perusahaan adalah peningkatan pasar serta peningkatan produktivitas dan kualitas. Tujuan strategis dalam perspektif hasil sosial/ekonomi adalah peningkatan lapangan pekerjaan, dan peningkatan ketersediaan tenaga kerja terspesialisasi, peningkatan kemampuan inovasi dan peningkatan konsumsi karet alam. Tujuan strategis dalam efesiensi kolektif adalah penurunan biaya dan peningkatan kerjasama. Tujuan strategis dalam perspektif modal sosial adalah peningkatan jumlah anggota klaster yang terlibat dalam kerjasama. Inisiatif strategi klaster ditetapkan ada tiga yaitu inovasi dan teknologi (peningkatan kemampuan produksi, difusi teknologi dan standar teknik), kerjasama komersial (pemasaran ekspor dan pengadaan bahan baku) serta pengembangan bisnis. Pengembangan model berikutnya adalah model analisis kesenjangan pengetahuan terhadap aktor utama strategi klaster serta penentuan area pengetahuan kunci. Kesenjangan pengetahuan yang terjadi serta area pengetahuan kunci yang didapatkan kemudian dikelola dalam suatu model strategi manajemen pengetahuan. Strategi manajemen pengetahuan ini bertujuan untuk memandu dan iv mendefinisikan strategi, proses akuisisi pengetahuan dan kelembagaan untuk mengelola pengetahuan dalam klaster industri. Strategi manajemen pengetahuan memiliki tiga alternatif yaitu strategi kodifikasi, strategi personalisasi dan strategi kombinasi. Strategi kodifikasi menekankan pada aspek teknologi untuk akuisisi, penyimpanan dan penyebaran pengetahuan dari pakar. Sedangkan strategi personalisasi berasumsi bahwa banyak pengetahuan bersifat tersembunyi (tacit) sehingga kodifikasi tidak cocok untuk mentransmisi jenis pemahaman ini. Pendekatan ini dilakukan kebanyakan melalui kontak pribadi ke pribadi. Strategi kombinasi menggabungkan kedua strategi manajemen pengetahuan yang ada yaitu kodifikasi (teknologikal) dan personalisasi. Strategi kodifikasi pengetahuan kemudian diimplementasikan menggunakan teknik FQFD, FFMEA dan sistem pakar. Berdasarkan hasil verifikasi model strategi pengembangan klaster dengan melibatkan tiga orang pakar yaitu peneliti pada Balai Penelitian Teknologi Karet Bogor, Kepala Bidang Promosi dan Kerjasama Dinas Perindustrian dan Perdagangan Jawa Barat serta seorang pelaku usaha barang jadi lateks dapat diketahui bahwa aktor yang memiliki prioritas tertinggi dalam pengembangan klaster adalah lembaga pendukung diikuti oleh pemerintah dan industri. Prioritas tertinggi perspektif pengembangan klaster berturut-turut adalah perpektif efisiensi kolektif dan diikuti oleh perspektif hasil sosial/ekonomi, kinerja perusahaan serta perspektif modal sosial. Tujuan strategis pengembangan klaster secara berurutan dari yang terbesar adalah peningkatan kerjasama, peningkatan produktivitas dan kualitas, perluasan pasar, peningkatan kemampuan inovasi, peningkatan jumlah anggota klaster aktif, peningkatan lapangan pekerja, penurunan biaya, peningkatan tenaga kerja terspesialisasi dan peningkatan konsumsi karet alam. Sejalan dengan perspektif efisiensi kolektif yang memiliki bobot terbesar, maka peningkatan kerjasama yang merupakan salah satu tujuan strategis dalam perspektif efiensi kolektif juga memiliki bobot terbesar. Inisiatif strategi pengembangan klaster yang memiliki bobot terbesar adalah strategi inovasi dan teknologi diikuti oleh pengembangan bisnis dan kerjasama komersial. Dengan terpilihnya inovasi dan teknologi sebagai strategi terpilih, hal ini berarti pengetahuan teknologi proses yang menunjang strategi inovasi dan teknologi merupakan pengetahuan paling terkait dalam pengembangan klaster. Berdasarkan verifikasi model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci dapat diketahui bahwa terdapat sembilan area pengetahuan yang perlu menjadi prioritas pengembangan dalam manajemen pengetahuan yaitu formulasi kompon, formulasi koagulan, pemeriksaan bahan baku, pembuatan dispersi, pemeriksaan dispersi, penjadian kompon, pencucian, vulkanisasi, dan pemeriksaan produk serta analisis kegagalan. Area pengetahuan formulasi kompon berada pada daerah red alert zone yang paling utama dimana area ini harus menjadi prioritas paling utama. Kompon lateks adalah campuran antara lateks dengan berbagai bahan kimia untuk memperoleh hasil akhir suatu barang jadi lateks. Bahan kimia kompon yang secara umum terdiri dari bahan pemvulkanisasi, pengaktif, pencepat, antioksidan, pengisi, pewarna dan sebagainya. Tingkat kesulitan pada penguasaan area pengetahuan ini antara lain karena formula kompon lateks pada umumnya disesuaikan dengan jenis produk v yang akan dihasilkan karena umumnya mempunyai sifat tertentu yang diutamakan. Berdasarkan verifikasi model strategi manajemen pengetahuan dapat diketahui bahwa strategi yang paling sesuai untuk mendukung kesiapan aktor utama dalam strategi inovasi dan teknologi serta mengelola pengetahuan kunci adalah strategi kombinasi dibandingkan dengan strategi personalisasi dan kodifikasi. Bobot kriteria yang paling dipentingkan untuk menjalankan strategi tersebut berturut-turut berdasarkan tingkat kepentingannya adalah budaya dan orang, dukungan pemerintah, komunikasi, biaya dan waktu. Kriteria budaya dan orang yang memiliki bobot tertinggi serta lebih besarnya bobot strategi personalisasi dibandingkan bobot strategi kodifikasi dikarenakan strategi ini memang dirancang untuk mendukung strategi inovasi dan teknologi untuk pengembangan klaster. Hal ini dikarenakan pendekatan teknologi atau kodifikasi tidak dapat secara cukup mendukung inovasi karena ketidakmampuannya untuk mengeksploitasi pengetahuan tacit. Hasil dari FQFD menunjukkan pula bahwa rancangan proses mengenai metode pencelupan kompon lateks, sistem vulkanisasi yang digunakan, proses vulkanisasi dan bahan baku lateks pekat adalah proses kunci untuk dapat memenuhi persyaratan teknis produk. Hasil FFMEA menunjukkan bahwa proses penerimaan lateks serta proses pencampuran dan pemeraman kompon lateks adalah proses yang tingkat resiko kegagalan paling tinggi. Media kodifikasi seperti taksonomi pengetahuan, peta pengetahuan dan sistem pakar digunakan untuk beberapa area pengetahuan kunci tersebut. Pengelolaan area pengetahuan kunci tersebut kemudian diusulkan melalui portal manajemen pengetahuan dan pembentukan komunitas keahlian atau yang dikenal dengan nama Community of Practice (CoP). Hal ini merupakan konsekuensi dari strategi kombinasi antara kodifikasi dan personalisasi yang telah ditentukan sebelumnya. CoP adalah sekelompok orang yang berbagi suatu perhatian atau minat untuk sesuatu yang mereka ketahui bagaimana melakukannya serta mereka yang saling berinteraksi secara teratur dengan tujuan untuk belajar bagaimana cara melakukan sesuatu itu secara lebih baik. CoP berorientasi pada pertukaran pengalaman atau praktek-raktek terbaik (best practices) yang telah dilakukan oleh para peneliti barang jadi lateks yang tersebar pada beberapa institusi seperti BPTK Bogor, BATAN, BPPT, perguruan tinggi serta pemasok bahan kimia. Pembentukan CoP ini juga diharapkan dapat mengatasi masalah dalam faktor budaya dan orang. Seperti diketahui sebelumnya faktor inilah yang paling menentukan untuk implementasi strategi manajemen pengetahuan. Melalui mekanisme CoP dan portal manajemen pengetahuan diharapkan terjadi proses berbagi pengetahuan di antara aktor utama pengembangan klaster industri barang jadi lateks alam skala kecil dan menengah di Jawa Barat dan Banten sehingga dapat semakin berkontribusi dalam proses pembelajaran dan pelatihan kepada pelaku usaha skala kecil dan menengah tersebut. Kata kunci : strategi manajemen pengetahuan, klaster industri, fuzzy AHP, fuzzy QFD, fuzzy FMEA, sistem pakar, barang jadi lateks, vi © Hak cipta milik IPB, tahun 2012 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 yang wajar IPB Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa seizin IPB vii MODEL MANAJEMEN PENGETAHUAN PADA KLASTER INDUSTRI BARANG JADI LATEKS DI JAWA BARAT DAN BANTEN DEDY SUGIARTO Disertasi Sebagai salah satu syarat untuk memperoleh gelar Doktor pada Program Studi Teknologi Industri Pertanian SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2012 viii Penguji pada Ujian Tertutup : 1. Prof. Dr. Ir. Ani Suryani, DEA 2. Dr. Ary Achyar Alfa, MSi Penguji pada Ujian Terbuka: 1. Dr. Ir. Uhendi Haris, Msi 2. Dr. Dedi Mulyadi ix Judul Disertasi : Model Manajemen Pengetahuan pada Klaster Industri Barang Jadi Lateks di Jawa Barat dan Banten Nama : Dedy Sugiarto NRP : F361020051 Disetujui, Komisi Pembimbing Prof. Dr. Ir. Syamsul Ma’arif, M.Eng Ketua Prof. Dr. Ir. Marimin, M.Sc Anggota Dr. Ir. Illah Sailah, MS Anggota Dr. Ir. Sukardi, MM Anggota Dr. Suharto Honggokusumo Anggota Diketahui, Ketua Program Studi Teknologi Industri Pertanian Dekan Sekolah Pascasarjana Institut Pertanian Bogor Dr. Ir. Machfud, MS Dr. Ir. Dahrul Syah, M.Sc.Agr Tanggal Ujian Terbuka : 13 Januari 2012 x Tanggal Lulus : ....................... PRAKATA Puji syukur kehadirat Allah SWT yang telah memberikan hidayah dan pertolongan-Nya sehingga disertasi ini dapat diselesaikan. Ucapan terima kasih dan penghargaan penulis sampaikan kepada : 1. Komisi pembimbing yaitu Prof. Dr. Ir. M Syamsul Ma’arif, M.Eng, selaku ketua komisi dan Prof. Dr. Ir. Marimin, Dr. Ir. Illah Sailah, Dr. Ir. Sukardi MM, dan Dr. Suharto Honggokusumo, sebagai anggota komisi pembimbing atas bimbingannya dalam penyelesaian disertasi ini. 2. Rektor Universitas Trisakti, pimpinan Fakultas Teknologi Industri serta pimpinan Jurusan Teknik Industri Universitas Trisakti atas kesempatan tugas belajar yang diberikan kepada penulis 3. Prof. Dr. Ir. Ani Suryani, DEA, Dr. Ary Achyar Alfa, Dr. Ir. Machfud dan Dr. Ir. Sugiyono atas waktunya dan saran perbaikan pada saat Ujian Tertutup. 4. Dr. Ir. Uhendi Haris dan Dr. Dedi Mulyadi atas waktunya dan saran perbaikan pada saat Ujian Terbuka 5. Ibu Hani Yuhani, Kepala Bidang Promosi dan Kerjasama Dinas Indag Jawa Barat, ibu Yuli, pengusaha barang jadi lateks, Prof. Marga Utama dari PT. Rel-Ion yang bergerak dalam bidang sterilisasi serta Agus W, SSi selaku staf PT. Saptindo Surgica sebagai responden ahli 6. Binti Sholihah, ST M.Kom atas bantuannya dalam pembuatan program sistem pendukung keputusan dan portal manajemen pengetahuan 7. Rekan-rekan seperjuangan di program studi Teknologi Industri Pertanian Institut Pertanian Bogor serta rekan-rekan dosen, karyawan dan mahasiswa di Jurusan Teknik Industri Universitas Trisakti 8. Isteri tercinta Retno Budiani, ayahanda dan ibunda tercinta Drs. H. Sjamsuddin (alm) dan Hj. Sufatilah, anak-anak tersayang Muhammad Fadhil Ghifari, Ahmad Fauzan Kamaluddin dan Faishal Makarim Kamali 9. Semua pihak atas segala doa dan dukungannya. Akhir kata penulis berharap semoga disertasi ini bermanfaat bagi semua pihak yang memerlukan. Bogor, Januari 2012 Dedy Sugiarto xi RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 14 Oktober 1969 sebagai anak ketiga dari pasangan Drs. H. Sjamsuddin (alm) dan Hj. Sufatilah. Pendidikan sarjana ditempuh di Program Studi Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor, lulus tahun 1993. Pendidikan pascasarjana (S2) ditempuh di Program Studi Magister Manajemen dengan konsentrasi Manajemen Produksi/Operasi, Universitas Trisakti, lulus tahun 1998. Kesempatan untuk mengikuti program Doktor Teknologi Industri Pertanian diperoleh pada tahun 2002 dengan beasiswa dari Universitas Trisakti serta bantuan dana penelitian melalui program hibah penelitian mahasiswa program doktor dari Direktorat Jenderal Pendidikan Tinggi Kementrian Pendidikan Nasional. Penulis bekerja sebagai dosen tetap di Jurusan Teknik Industri Fakultas Teknologi Industri Universitas Trisakti sejak tahun 1994 dengan penempatan pada Laboratorium Statistika Industri. Selain itu pula penulis aktif mengajar pada Universitas Esa Unggul serta sebagai konsultan pelatihan bidang aplikasi statistika dan pengendalian kualitas pada lembaga pelatihan Sinergi Prima Inti (SPIN Training) yang berlokasi di Bandung. Selama mengikuti perkuliahan program S3 beberapa artikel yang ditulis bersama dosen pembimbing telah diterbitkan yaitu artikel dengan judul Integrasi Manajemen Pengetahuan dengan Balanced Scorecard yang diterbitkan pada Jurnal Teknik Industri Universitas Trisakti pada tahun 2004; Pemilihan Produk Hilir Karet Berbasis Lateks Potensial serta Perumusan Strateginya dengan Menggunakan Metode AHP, Fuzzy AHP dan Logika Fuzzy yang diterbitkan pada Prosiding Seminar Nasional Operations Research/Management Sciences Jurusan Teknik Industri Universitas Trisakti pada tahun 2005 serta Pemilihan Strategi Pengembangan Klaster Industri dan Strategi Manajemen Pengetahuan pada Klaster Industri Barang Jadi Lateks yang diterbitkan pada Jurnal Teknologi Industri Pertanian Institut Pertanian Bogor pada tahun 2011. Satu artikel dengan judul Pemilihan Area Pengetahuan Kunci pada Proses Produksi Barang Celup Lateks dengan Pendekatan Logika Fuzzy akan diterbitkan pada Jurnal Teknik Industri Universitas Trisakti pada bulan Maret 2012. xii DAFTAR ISI Halaman DAFTAR ISI .............................................................................................. xiii DAFTAR TABEL .......................................................................................... xv DAFTAR GAMBAR ..................................................................................... xvii DAFTAR LAMPIRAN................................................................................... xx 1 PENDAHULUAN ................................................................................... . 1.1 Latar Belakang .................................................................................... 1.2 Tujuan Penelitian ................................................................................ 1.3 Ruang Lingkup Penelitian .................................................................. 1.4 Kegunaan Penelitian ............................................................................ 1 1 5 5 5 2 TINJAUAN PUSTAKA ........................................................................... 2.1 Perkembangan Manajemen Strategik ................................................ 2.2 Data, Informasi dan Pengetahuan ..................................................... 2.3 Strategi Pengetahuan ......................................................................... 2.4 Manajemen Pengetahuan .................................................................. 2.5 Strategi Pengetahuan dan Strategi Manajemen Pengetahuan .......... 2.6 Pendekatan Sistem ........................................................................... 2.7 Sistem Pendukung Keputusan dan Sistem Pakar ............................. 2.8 Teknologi Pengolahan Barang Jadi Lateks....................................... 2.9 Logika Fuzzy .................................................................................... 2.10 Analytic Hierarchy Process ............................................................. 2.11 Quality Function Deployment .......................................................... 2.12 Failure Mode and Effect Analysis .................................................... 2.13 Penelitian Terdahulu ........................................................................ 7 7 10 14 15 19 21 22 25 29 34 36 40 45 3 METODE PENELITIAN .......................................................................... 3.1 Kerangka Pemikiran Konseptual......................................................... 3.2 Tahapan Penelitian ............................................... ............................. 3.3 Metode Pengumpulan Data ................................................................ 3.4 Teknik Pengolahan Data .................................................................... 3.5 Lokasi dan Waktu Penelitian ............................................................ 49 49 50 51 51 52 4 ANALISIS SISTEM ................. ................................................................ 4.1 Struktur Pasar dan Produsen Barang Jadi Lateks .................... ........ 4.2 Pola Sebaran Tenaga Kerja Industri Hilir Karet pada Beberapa Propinsi ............................................................................................. 4.3 Pemetaan Klaster Industri Barang Jadi Lateks di Jawa Barat dan Banten ................................................................................................ 4.4 Analisis Kebutuhan ......................................................................... 4.5 Formulasi Permasalahan .................................................................... 4.6 Identifikasi Sistem ............................................................................. 53 53 xiii 55 57 60 61 62 5 PEMODELAN SISTEM ........................................................................... 5.1 Konfigurasi Model Sistem Penunjang Keputusan .............................. 5.2 Sistem Manajemen Basis Model ........................................................ 5.2.1 Model Pemilihan Strategi Pengembangan Klaster dan Area Pengetahuan Terkait ......................................................... 5.2.2 Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci ......... ........................................................... 5.2.2 Model Pemilihan Strategi Manajemen Pengetahuan .................. 5.2.4 Model Kodifikasi Pengetahuan Disain Proses........................... 5.2.5 Model Kodifikasi Pengetahuan Kegagalan Proses................... 5.3 Sistem Manajemen Basis Data .......................................................... 5.4 Sistem Manajemen Dialog ................................................................. 63 63 64 64 66 70 72 74 80 80 6 HASIL DAN ANALISIS STRATEGI PENGETAHUAN...................... 81 6.1 Model Pemilihan Strategi Pengembangan Klaster dan Area Pengetahuan Terkait .......................................................................... 81 6.2 Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci ......... .................................................................. 84 6.3.Model Pemilihan Strategi Manajemen Pengetahuan ......................... 89 6.4 Model Kodifikasi Pengetahuan Disain Proses................................... 91 6.5 Model Kodifikasi Pengetahuan Kegagalan Proses........................... 96 6.6 Validasi Model................................................................................... 108 7 PERANCANGAN PORTAL MANAJEMEN PENGETAHUAN........... 7.1 Analisis Kebutuhan Sistem .............................................................. 7.1.1. Kebutuhan Fungsional ........................................................... 7.1.2. Kebutuhan Pengguna .......................................................... 7.2 Perancangan Sistem ........................................................................ 109 109 105 110 111 8 IMPLIKASI MODEL .............................................................................. 8.1 Implikasi Teoritis ............................................................................ 8.2 Implikasi Manajerial ....................................................................... 8.3 Kelebihan dan Kekurangan Model .................................................. 119 119 121 122 9 KESIMPULAN DAN SARAN ............................................................... 123 9.1 Kesimpulan ........................................ .............................................. 123 9.2 Saran ................................................................................................. 125 DAFTAR PUSTAKA ..................................................................................... 127 xiv DAFTAR TABEL Halaman 1 Produksi dan konsumsi karet alam beberapa negara tahun 2010 ............. 4 2 Persentase penggunaan strategi manajemen pengetahuan ........................ 20 3 Penelitian terdahulu mengenai manajemen pengetahuan dan klaster industri ...................................................................................................... 47 4 Produksi dari tiga negara pemain utama sarung tangan lateks ................. 54 5 Agroindustri sarung tangan lateks (anggota Indonesian Rubber Glove Manufacturers Association / IRGMA) ..................................................... 54 6 Jenis dan kapasitas produksi dari industri barang jadi lateks di Indonesia.................................................................................................... 55 7 Jumlah tenaga kerja berdasarkan kategori barang jadi karet dan propinsi....................................................................................................... 56 8 Kebutuhan aktor dalam agroindustri barang jadi lateks ............................ 61 9 Penyajian fuzzy pada skala AHP ............................................................... 66 10 Penyajian fuzzy pada skala kondisi area pengetahuan saat ini menggunakan TFN ................................................................................... 68 11 Penyajian fuzzy pada skala kebutuhan area pengetahuan saat ini menggunakan TFN ................................................................................... 68 12 Penyajian fuzzy pada skala kebutuhan atau kepentingan area pengetahuan saat ini menggunakan Trapezoidal Fuzzy Number ............................................. 69 . 13 Penyajian fuzzy pada skala kondisi saat ini area pengetahuan saat ini menggunakan Trapezoidal Fuzzy Number.................................................... .. 69 14 Fuzzy number tingkat kepentingan atribut................................................. 73 15 Fuzzy number hubungan............................................................................ 73 16 Parameter fungsi keanggotaan variabel input............................................ 76 17 Parameter fungsi keanggotaan variabel output.......................................... 77 18 Prioritas aktor utama dan perspektif pengembangan klaster...................... 82 xv 19 Prioritas tujuan strategis dan strategi pengembangan klaster.................. 84 20 Daerah pengembangan dari masing area pengetahuan............................. 89 21 Tingkat kepentingan atribut barang jadi................................................... 91 22 Hasil defuzzifikasi karakteristik proses..................................................... 95 23 Bentuk-bentuk kegagalan proses dalam proses sarung tangan lateks....... 97 24 Nilai fuzzy risk priority number (FRPN)................................................... 99 25 Validasi model strategi pengetahuan....................................................... 108 xvi DAFTAR GAMBAR Halaman 1 Model berlian porter ............................................................................... 9 2 Keterkaitan data, informasi dan pengetahuan ........................................ 12 3 Model strategi pengetahuan .................................................................. 15 4 Model socialization, externalization, combination, internalization ....... 17 5 Siklus manajemen pengetahuan ............................................................. 19 6 Konfigurasi model dasar sistem manajemen ahli ................................... 22 7 Tahap pembentukan sistem pakar .......................................................... 25 8 Pohon industri karet ............................................................................... 26 9 Kurva segitiga ....................................................................................... 31 10 Kurva trapesium ................................................................................... 32 11 Rumah kualitas ..................................................................................... 36 12 Model SECI dan konversi QFD dari pengetahuan tacit ke eksplisit... 40 13. Matriks fuzzy FMEA rule ................................................................... 44 14 Keterkaitan FMEA dalam model SECI................................................. 44 15. Posisi penelitian .................................................................................... 48 16 Kerangka pemikiran penelitian ............................................................. 50 17 Tahapan penelitian ................................................................................ 52 18 Struktur pasar barang jadi karet dunia ................................................. 53 19 Plot konsentrasi tenaga kerja berdasarkan propinsi dan kelompok BJK ........................................................................................................ 56 Plot konsentrasi tenaga kerja berdasarkan propinsi dan kelompok BJK ........................................................................................................ 57 Pemetaan klaster agroindustri barang jadi lateks skala kecil dan menengah di Jawa Barat dan Banten ...................................................... 58 20 21. xvii 22 Diagram input-output .............................................................................. 62 23 Konfigurasi model sistem pendukung keputusan strategi pengetahuan .. 63 24 Diagram alir model strategi pengembangan klaster berbasis pengetahuan .......................................................................................... 65 25 Diagram alir model penentuan area pengetahuan kunci 67 26 Representasi fuzzy dari matriks kesenjangan pengetahuan....................... 68 27 Diagram alir model pemilihan strategi manajemen pengetahuan............. 71 28 Diagram alir model kodifikasi pengetahuan disain proses menggunakan QFD .................................................................................. 72 Diagram alir kodifikasi pengetahuan kegagalan proses menggunakan teknik FFMEA.......................................................................................... 75 29 ............... 30 Diagram konseptual sistem pakar rekomendasi penanggulangan kegagalan proses...................................................................................... . 80 31 Model pemilihan strategi pengembangan klaster..................................... 82 32 Tampilan input penilaian setiap area pengetahuan................................... 85 33 Tampilan output penilaian setiap area pengetahuan................................ 86 34 Penyajian tingkat kondisi saat ini dalam bentuk trapezoidal fuzzy number..................................................................................................... 86 35 Basis aturan dalam sistem penalaran fuzzy dengan metode Sugeno....... 87 36 Contoh nilai output sistem penalaran fuzzy dengan metode Sugeno..... 87 37 Model keputusan pemilihan strategi manajemen pengetahuan............. 90 38 Hubungan antara karakteristik produk dan proses .................................. 92 39. Taksonomi pengetahuan proses barang celup lateks .............................. 96 40 Rule Editor untuk sistem Fuzzy.............................................................. 98 41 Tampilan sistem pakar dalam menanyakan masalah ............................. 105 42 Tree diagram dalam sistem pakar............................................................. 106 xviii 43 Tampilan sistem pakar dalam mengkonfirmasi penyebab kegagalan... 44 Tampilan sistem pakar dalam mengkonfirmasi penyebab kegagalan berikutnya............................................................................................... 107 45 Tampilan sistem pakar dalam memberikan solusi.................................... 107 46 Use Case sistem portal manajemen pengetahuan..................................... 111 47 Menu lihat artikel...................................................................................... 117 48 Menu lihat peta pengetahuan.................................................................... 117 49 Menu input profil pengguna..................................................................... 118 50 Menu cari pakar...................................................................................... 118 51 Diagram konseptual aliran pengetahuan dalam klaster industri barang jadi lateks................................................................................................. 120 52 Model manajemen pengetahuan pada klaster industri barang jadi lateks........................................................................................................ 122 xix 107 DAFTAR LAMPIRAN Halaman 1 Kuesioner Pemilihan Inisiatif Strategi................................................. 133 2 Data hasil perbandingan berpasangan kuesioner strategi klaster ...... 138 3 Contoh Perhitungan FAHP antar Perspektif untuk Perusahaan .......... 151 4 Kuesioner Pemilihan Strategi Manajemen Pengetahuan....................... 154 5 Contoh Data Hasil Perbandingan Berpasangan Kuesioner Strategi Manajemen Pengetahuan....................................................................... 157 6 Data Penilaian Analisis Kesenjangan Pengetahuan............................... 158 7 Rule dalam FFMEA dan contoh perhitungan defuzzifikasi.................. 162 8 Petunjuk Penggunaan Sistem Pendukung Keputusan Model Strategi Pengetahuan untuk Klaster Industri Barang Jadi Lateks ..................... 178 9 Rule Base Sistem Pakar......................................................................... 183 10 Validation Tree Sistem Pakar................................................................ 201 11 Perhitungan Aritmatika Fuzzy dalam QFD.......................................... 202 12 Tabel FMEA ......................................................................................... 207 13 Petunjuk Penggunaan Portal Manajemen Pengetahuan......................... 210 xx DAFTAR ISTILAH Data Himpunan diskret, kenyataan obyektif mengenai berbagai peristiwa atau kejadian. Dalam konteks organisasi data lebih digambarkan sebagai catatan terstruktur dari berbagai transaksi. Eksternalisasi Mengubah pengetahuan tersembunyi kepada pengetahuan eksplisit baru (misal memproduksi suatu dokumen tertulis yang menggambarkan prosedur yang digunakan untuk masalah tertentu) FAHP Fuzzy Analytical Hierarchy Process – proses pemecahan masalah yang mampu memecahkan persoalan pengambilan keputusan kompleks secara kuantitatif dengan pendekatan fuzzy FFMEA Fuzzy failure mode and effect analysis - sebuah teknik mengidentifikasi penyebab kegagalan dari produk atau proses dan perencanaan untuk penghilangan penyebab kegagalannya dengan pendekatan fuzzy FQFD Fuzzy quality function deployment - pendekatan terstruktur unuk mengintegrasikan voice of customer ke dalam proses pengembangan produk yang diintegrasikan dengan pendekatan fuzzy Klaster industri Konsentrasi geografis dari perusahaan-perusahaan yang saling terhubungkan, pemasok-pemasok, penyedia jasa, perusahaanperusahaan dalam industri terkait serta institusi lain (perguruan tinggi, badan standarisasi, asosiasi dagang) dalam suatu lapangan usaha tertentu yang saling bersaing tetapi juga bekerja sama Industri Besar Perusahaan atau usaha industi yang memiliki tenaga kerja 100 orang atau lebih Industri Sedang / Menengah Perusahaan atau usaha industi yang memiliki tenaga kerja 2099 orang Industri Kecil Perusahaan atau usaha industi yang memiliki tenaga kerja 5-19 orang Informasi Data yang dapat menjadi berbeda. Informasi dapat mengubah penerima informasi dalam memandang sesuatu. Istilah menginformasikan dapat diartikan sebagai memberi bentuk. Internalisasi Penciptaan pengetahuan tersembunyi baru dari pengetahuan eksplisit (misal mendapatkan pemahaman awal dengan membaca suatu dokumen) xxi Kodifikasi pengetahuan Mengubah pengetahuan menjadi kode agar sebisa mungkin mudah untuk diatur, eksplisit, mudah dipindahkan, dimengerti dan diakses oleh orang lain Kombinasi Penciptaan pengetahuan eksplisit baru dengan menggabungkan, menggolongkan, dan menyatukan pengetahuan eksplisit yang sudah ada (misal analisis statistik terhadap data pasar). Manajemen pengetahuan Proses mendapatkan, transformasi, dan penyebaran pengetahuan secara menyeluruh di dalam organisasi sehingga pengetahuan tersebut dapat dibagikan dan digunakan Pengetahuan Campuran cair dari pengalaman, nilai, informasi kontekstual, pandangan pakar dan intuisi yang menyediakan lingkungan dan kerangka untuk mengevaluasi dan menggabungkan pengalaman baru dan informasi. Pengetahuan eksplisit Kebijakan, petunjuk prosedural, laporan resmi, laporan, desain produk, strategi, tujuan, misi dan kemampuan inti dari perusahaan dan teknologi informasi insfrastruktur. Ia adalah pengetahuan yang telah dikodifikasi (terdokumentasikan) dalam format yang dapat dibagikan kepada orang lain atau ditransformasi ke dalam suatu proses tanpa menuntut interaksi antar pribadi. Pengetahuan tersembunyi (tacit) Penyimpanan kumulatif dari pengalaman, peta mental, pengertian yang mendalam (insight) ketajaman, keahlian, knowhow, rahasia dagang, kumpulan ketrampilan, pemahaman dan pembelajaran yang dimiliki organisasi, juga budaya organisasi yang telah melekat di masa lalu. Sebagai contoh penjelasan bagaimana cara mengendari sebuah sepeda sulit didokumentasi secara eksplisit, dan karena itu tersembunyi Sosialisasi Konversi pengetahuan tersembunyi kepada pengetahuan tersembunyi yang baru melalui interaksi sosial dan pengalaman bersama antar anggota organisasi (misal penasihat). Strategi Bagaimana mencapai dan mempertahankan posisi industri untuk mempertahankan keunggulan bersaing Strategi pengetahuan Penyeimbangan sumber daya berbasis pengetahuan dan kapabilitas dengan pengetahuan yang dibutuhkan untuk menyediakan produk dan jasa dengan cara yang lebih baik dibandingkan pesaingnya. xxii 1 1 PENDAHULUAN 1.1 Latar Belakang Teori strategi akhir-akhir ini menunjukkan bahwa sumber daya yang tak terlihat (intangible resources) seperti pengetahuan, keahlian, motivasi, budaya, teknologi, kompetensi dan kemitraan (relationship) adalah pendorong yang paling penting untuk mencapai keunggulan bersaing yang berkelanjutan dibandingkan sumber daya yang terlihat (tangible resources) seperti bahan baku, mesin, tanah, modal dan pabrik (Marti, 2004; Abdollahi et al., 2008; Denford dan Chan, 2011). Di tengah situasi persaingan yang semakin kompetitif ditandai dengan bertambahnya jumlah pemain pasar di tingkat lokal, nasional maupun internasional serta tuntutan pasar yang semakin tinggi, sebuah perusahaan tidak lagi hanya bisa mengandalkan kepada lokasi yang mudah dicapai, bahan baku yang mudah didapat atau ketersediaan akses modal, tetapi juga kemampuan untuk bisa menghasilkan produk yang lebih berkualitas dan inovatif. Untuk itu tentunya perusahaan harus memiliki sumber daya pengetahuan yang cukup, baik pengetahuan mengenai teknologi proses, pasar dan pemasaran, pengembangan bisnis maupun area pengetahuan lainnya sesuai kebutuhan perusahaan. Nonaka dan Takeuchi (1995) juga menekankan bahwa saat ini perusahaan yang ingin sukses adalah mereka yang secara konsisten menciptakan pengetahuan baru, menyebarkannya secara luas dalam organisasi, dan secara cepat mengubahnya menjadi berbagai teknologi dan produk baru. Konsep penggunaan pengetahuan dalam strategi bersaing memunculkan teori mengenai strategi pengetahuan yang antara lain dikemukakan oleh Zack (1999). Strategi pengetahuan memberikan pengertian strategi berbasis pengetahuan, yaitu strategi bersaing yang didasarkan pada modal intelektual dan kapabilitas yang dimiliki perusahaan. Pada saat perusahaan telah mengidentifikasi strategi bersaing yang akan digunakan maka tindakan harus dilakukan untuk mengelola kesenjangan pengetahuan yang mungkin terjadi untuk melaksanakan strategi tersebut seperti dengan cara merekrut keahlian tertentu, membangun sistem penyimpanan dokumen on line, membangun komunitas keahlian, 2 mengakuisisi perusahaan, lisensi teknologi, dan sebagainya. Strategi pengetahuan berorientasi pada apa pengetahuan yang bersifat strategik. Clarke dan Turner (2004) menyatakan bahwa pandangan mengenai pentingnya strategi pengetahuan untuk meciptakan keunggulan bersaing perusahaan selama ini lebih banyak dikaitkan dengan teori mengenai pandangan berbasis sumber daya (resource based view/ RBV) yang diperkenalkan oleh Wernerfelt pada tahun 1984. RBV memperkenalkan bahwa keunggulan kompetitif suatu organisasi diturunkan dari sumber daya yang bernilai dan unik dimana pesaing akan sangat membutuhkan biaya besar untuk menirunya. Dalam literatur manajemen strategik terdapat dua pandangan lain untuk mencapai keunggulan bersaing yaitu struktur industri atau pandangan berbasis pasar (market based view/ MBV) dan pandangan relasional (Clarke dan Turner 2004). Pandangan struktur industri diperkenalkan oleh Porter pada tahun 1980 dan pandangan relasional diperkenalkan oleh Dyer dan Singh pada tahun 1998. Berbeda dengan RBV yang menetapkan perusahaan sebagai unit utama dalam analisis, pandangan relasional menetapkan jaringan antar perusahaan sebagai unit analisis (Dyer dan Singh 1998). Clarke dan Turner (2004) menekankan perlunya model strategi pengetahuan yang lebih komprehensif dengan melibatkan pandangan relasional seperti klaster industri. Selain keterkaitan strategi pengetahuan dengan klaster industri, pengetahuan sebagai salah satu sumber daya tak terlihat semakin menunjukkan posisi strategisnya ditandai dengan kemunculan teori mengenai manajemen pengetahuan serta berbagai penerapannya di berbagai perusahaan atau organisasi (Nonaka dan Takeuchi 1995; Davenport dan Prusak 1998). Cara bagaimana sumber daya pengetahuan tersebut dikelola merupakan domain dari manajemen pengetahuan (Sangkala, 2006). Beberapa penelitian tentang manajemen pengetahuan yang terkait dengan konsep strategi pengetahuan dan klaster industri telah dilakukan Van Horne et al. (2005), Sureephong (2007), serta Chen and Xiangzhen (2010). Penelitian Van Horne et al. (2005) menghasilkan suatu model manajemen pengetahuan untuk mengelola pengetahuan pada industri kehutanan di Kanada dengan perguruan tinggi dan pusat penelitian bertindak sebagai aktor utama. Penelitian Sureephong 3 (2007) menghasilkan suatu model sistem manajemen pengetahuan untuk mengelola pengetahuan pemasaran ekspor pada klaster industri keramik skala kecil dan menengah di Thailand dengan aktor utama adalah asosiasi industri keramik. Penelitian Chen dan Xiangzhen (2010) menghasilkan suatu model sistem manajemen pengetahuan untuk memajukan kompetensi inti pada klaster industri. Namun demikian model strategi dan manajemen pengetahuan pada beberapa penelitian terdahulu tersebut belum terkait dengan pemilihan inisiatif strategi pengembangan klaster serta strategi manajemen pengetahuan untuk mendukung strategi pengembangan klaster. Sebagai obyek dalam penelitian perancangan model manajemen pengetahuan ini adalah sentra industri barang jadi lateks di Jawa Barat dan Banten. Berdasarkan BPPT (2003) dan Hartarto (2004), sentra industri secara umum dapat dijadikan pintu masuk dalam pembentukan klaster. Industri barang jadi lateks antara lain terkonsentrasi di propinsi Sumatera Utara yang didominasi oleh industri sarung tangan berskala besar serta di propinsi Jawa Barat dan Banten yang lebih didominasi oleh industri barang jadi lateks terutama barang celup berskala kecil dan menengah. Secara umum industri berskala kecil dan menengah ini masih jauh tertinggal dibandingkan industri yang berskala besar dalam hal pengetahuan, teknologi dan pemasaran terutama untuk ekspor. Dalam rangka pengembangan industri berbasis karet ini, Ridha et al. (2000) juga menekankan bahwa pada era perdagangan bebas, perdagangan industri karet akan sangat ditentukan oleh daya saing mutu dan harga jual sehingga penguasaan teknologi, kemudahan dalam mendapatkan bahan baku, efisiensi pengolahan serta ketersediaan tenaga ahli akan mendukung industri karet di dalam negeri menjadi kompetitif di pasar domestik dan dunia. Nelly dan Haris (2010) menekankan pula bahwa dengan meningkatkan pengetahuan dan keahlian sumber daya manusia dalam hal teknologi, peralatan dan jejaring pemasaran akan dapat meningkatkan pendapatan perusahaan secara signifikan. Permasalahan lain secara lebih makro dalam sektor agroindustri karet saat ini adalah konsumsi dalam negeri yang hanya sekitar 16% dari total produksi karet alam nasional seperti dapat dilihat pada Tabel 1 serta ragam produk barang jadi yang masih terbatas, yang didominasi oleh produk berbasis karet remah 4 (crumb rubber). Karet remah dikemas dengan ukuran dan berat standar yang secara umum dikonsumsi oleh industri barang jadi karet skala besar seperti industri ban yang memiliki mesin banbury dan kneader. Hal ini menunjukkan masih lemahnya industri hilir karet atau barang jadi karet non ban di Indonesia dalam menyerap karet alam dalam negeri. Secara umum karet alam dalam negeri dikonsumsi oleh industri hilir yang berbasiskan pada karet padat dan cair (barang jadi lateks) baik berskala besar maupun berskala kecil dan menengah. Nancy et al. (2001) dan Suparto dan Syamsu (2008) menekankan pentingnya mengembangkan industri berbasis lateks untuk memacu peningkatan konsumsi karet alam dalam negeri mengingat barang jadi lateks merupakan produk yang kandungan karetnya paling tinggi. Barang jadi lateks sendiri dapat terdiri atas beberapa jenis produk yaitu barang celup lateks seperti sarung tangan, kondom, kateter, komponen spygmomanometer; barang cetakan seperti karet busa seperti kasur lateks dan bantal lateks serta barang jadi karet cair seperti perekat lateks. Tabel 1 Produksi dan konsumsi karet alam beberapa negara tahun 2010 (IRSG 2010) Negara Thailand Indonesia Malaysia India Vietnam Srilanka Produksi (juta ton) 3,22 2,70 0,92 0,86 0,75 0,14 Konsumsi (juta ton) 0,41 0,43 0,50 1,01 0 0 % Kons. Thd Prod. 12,74 15,93 54,35 117,44 0 0 Pendekatan yang dilakukan Pemerintah untuk mengembangkan sektor industri berbasis karet adalah menggunakan pendekatan klaster industri. Hal ini tercantum dalam Peraturan Presiden Republik Indonesia No. 7/2005 mengenai penguatan dan penumbuhan klaster-klaster industri inti, yaitu : 1) Industri makanan dan minuman; 2) Industri pengolahan hasil laut; 3) Industri tekstil dan produk tekstil; 4) Industri alas kaki; 5) Industri kelapa sawit; 6) Industri barang kayu (termasuk rotan dan bambu); 7) Industri karet dan barang karet; 8) Industri 5 pulp dan kertas; 9) Industri mesin listrik dan peralatan listrik; dan 10) Industri petrokimia. Beberapa penelitian oleh Albaladejo M (2001), Karaev (2007) dan Zeinalnezhad M et al. (2010) menunjukkan bahwa pendekatan klaster dapat digunakan meningkatkan daya saing dari industri kecil dan menengah. Namun demikian pengembangan klaster dihadapkan pada suatu permasalahan bagaimana membangun dan mempertahankan kerjasama antar anggota klaster. Sejalan dengan bergesernya era industri kepada era pengetahuan maka pengembangan klaster juga perlu mempertimbangkan strategi pengembangan berbasiskan pengetahuan serta kerjasama dalam bentuk berbagi pengetahuan (knowledge sharing) antar anggota klaster. 1.2 Tujuan Penelitian Tujuan umum dari penelitian ini adalah menghasilkan model manajemen pengetahuan untuk pengembangan klaster agroindustri barang jadi lateks di Jawa Barat dan Banten. Secara rinci tujuan tersebut meliputi : (1) Menghasilkan model pemilihan strategi pengembangan klaster berbasis pengetahuan; (2) Menghasilkan model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci; (3) Menghasilkan model pemilihan strategi manajemen pengetahuan; (4) Menghasilkan model kodifikasi pengetahuan disain proses dari area pengetahuan kunci ; (5) Menghasilkan model kodifikasi pengetahuan kegagalan proses; (6) Menghasilkan rancangan portal manajemen pengetahuan sebagai sarana berbagi pengetahuan 1.3 Ruang Lingkup Penelitian Ruang lingkup penelitian difokuskan pada perancangan model sistem pendukung keputusan serta sistem manajemen pengetahuan dengan studi kasus klaster agroindustri barang jadi lateks di Jawa Barat dan Banten. Konsep manajemen dibatasi pada perumusan strategi pengetahuan berdasarkan pandangan relasional (klaster industri), strategi manajemen pengetahuan, penentuan prioritas kodifikasi pengetahuan, kodifikasi pengetahuan kunci serta portal manajemen pengetahuan sebagai sarana sarana berbagi pengetahuan antar pelaku klaster. Pemilihan area pengetahuan kunci dilakukan berdasarkan analisis kesenjangan 6 pengetahuan. Kodifikasi pengetahuan menggunakan beberapa teknik yaitu penyebaran fungsi kualitas (quality function deployment), analisis modus kegagalan dan akibat (failure mode and effect analysis), taksonomi pengetahuan, peta pengetahuan dan sistem pakar. 1.4 Kegunaan Penelitian Penelitian ini diharapkan bermanfaat bagi pengembangan ilmu pengetahuan, baik secara akademik maupun praktis, dengan penjelasan sebagai berikut : (1) Secara akademik hasil penelitian ini berguna bagi peneliti dan peminat ilmu strategi terutama keterkaitan antara strategi dengan manajemen pengetahuan; (2) Model strategi pengetahuan yang akan dikembangkan diharapkan pula dapat bermanfaat bagi agroindustri barang jadi lateks yang menggunakan pengetahuan sebagai dasar keunggulan bersaing secara berkelanjutan; (3) Metodologi dan pemodelan yang digunakan serta hasil penelitian diharapkan akan menjadi referensi bagi peneliti lain dalam mengembangkan model-model manajemen pengetahuan agroindustri barang jadi lateks; (4) Perangkat lunak sebagai salah satu output dari hasil penelitian ini dapat digunakan oleh berbagai kalangan di dalam proses pengambilan keputusan formulasi strategi pengetahuan serta pengembangan klaster industri barang jadi lateks. 7 2 TINJAUAN PUSTAKA 2.1 Perkembangan Manajemen Strategik Porter (1985) menyatakan strategi adalah mengenai bagaimana mencapai dan mempertahankan posisi industri untuk mempertahankan keunggulan bersaing. Porter (1998) juga menyatakan strategi sebagai konfigurasi dari berbagai aktivitas yang membedakan suatu perusahaan dengan pesaingnya. David (2004) mendefinisikan strategi sebagai cara untuk mencapai tujuan-tujuan jangka panjang. Kaplan dan Norton (2004) menyatakan strategi menggambarkan bagaimana organisasi bermaksud untuk menciptakan nilai bagi pemegang saham, pelanggan dan masyarakat. Sedangkan Zack (1999) menyatakan strategi sebagai tindakan penyeimbangan antara lingkungan eksternal (peluang dan ancaman) dan kapabilitas internal perusahaan (kekuatan dan kelemahan). Dalam literatur manajemen strategik terdapat tiga pandangan untuk mencapai keunggulan bersaing yaitu struktur industri atau pandangan berbasis pasar (market based view/ MBV), pandangan berbasis sumber daya (resource based view/ RBV) dan pandangan relasional (Clarke dan Turner 2004). Pandangan aliran MBV, yang sering diasosiasikan dengan pemikiran Michael Porter, selalu mengawali pemikirannya dengan melihat pasarnya lebih dahulu, dengan melakukan analisis lingkungan eksternal (industri) menggunakan model Five Force. Fokus penyusunan strategi pada bagaimana mencapai dan mempertahankan posisi industri untuk mempertahankan keunggulan bersaing (Porter 1985). Sementara pendekatan RBV selalu berupaya meletakkan jargon bersaingnya pada bagaimana menciptakan inovasi masa depan melalui sumber daya yang dimiliki oleh organisasi untuk dapat meningkatkan kapabilitasnya dalam bersaing melalui pemilihan kompetensi inti (Huseini, 1999). RBV memperkenalkan bahwa keunggulan kompetitif suatu organisasi diturunkan dari sumber daya yang bernilai dan unik dimana pesaing akan sangat membutuhkan biaya besar untuk menirunya. Pandangan RBV menyarankan perusahaan untuk memposisikan dirinya secara strategik didasarkan pada sumber daya dan kapabilitas yang unik, bernilai dan sulit ditiru. Sumber daya dan kapabilitas yang digunakan pada banyak produk 8 yang dihasilkan dan beragam pasar yang dimasuki, lebih merupakan pendorong strategik dibandingkan mentargetkan pada produk tertentu, dan pasar tertentu. Produk dan pasar dapat pergi, namun sumber daya dan kapabilitas tetap tertinggal dalam perusahaan (Zack, 1999). Sebagai kelanjutan dari pemikiran RBV, teori strategi akhir-akhir ini menunjukkan bahwa sumber daya yang tak terlihat (intangible resources) seperti pengetahuan, keahlian, motivasi, budaya, teknologi, kompetensi dan kemitraan (relationship) adalah pendorong yang paling penting untuk mencapai keunggulan bersaing yang berkelanjutan dibandingkan sumber daya yang terlihat (tangible resources) seperti bahan baku, mesin, tanah, modal dan pabrik (Marti, 2004). Sumber daya tak berwujud berkontribusi lebih dari 75 % dari nilai pasar suatu organisasi, oleh karena itu formulasi strategi dan eksekusinya perlu mengeksplisitkan mobilisasi dan penyelarasan dari sumber daya tak berwujud (Kaplan dan Norton 2004). Sumber daya jenis ini jauh lebih sulit bagi pesaing untuk ditiru dimana biasanya melekat dalam keunikan rutinitas organisasi dan praktek yang telah terakumulasi sepanjang waktu (Dess 2005). Pandangan relasional atau inter-firm view dipekernalkan oleh Dyer dan Singh (1998). Berbeda dengan RBV yang menetapkan perusahaan sebagai unit utama dalam analisis, pandangan relasional menetapkan jaringan antar perusahaan sebagai unit analisis (Dyer dan Singh 1998). Globalisasi ekonomi dan cepatnya kemajuan teknologi telah memaksa perusahaan untuk melihat lebih jauh dari hanya satu industri atau satu perusahaan sebagai sumber keunggulan bersaing. Kemitraan dengan pemasok, pelanggan, investor, mitra bisnis dan bahkan pesaing menjadi penentu kesuksesan suatu perusahaan di pasar. Kerja sama antar perusahaan dapat memberi kesempatan tumbuhnya ruang belajar secara kolektif dimana terjadi saling-bagi pegetahuan serta kombinasi dari berbagai sumber daya dan kapabilitas yang saling melengkapi dalam suatu usaha kolektif untuk meningkatkan kualitas produk dan pindah ke segmen pasar yang lebih menguntungkan. Menurut Clarke dan Turner (2004) implementasi pandangan ini dapat dilakukan dalam bentuk aliansi strategis atau klaster industri. Wheelen dan Hunger (2004) menyatakan aliansi strategis adalah kemitraan dari dua atau lebih 9 perusahaan atau unit bisnis untuk mencapai tujuan strategis secara nyata dan saling menguntungkan yang dapat dilakukan dengan konsorsium, joint venture, perjanjian lisensi atau kemitraan rantai nilai. Sedangkan Porter (1998) mendefinisikan klaster sebagai konsentrasi geografis dari perusahaan-perusahaan yang saling terhubungkan, pemasok-pemasok, penyedia jasa, perusahaanperusahaan dalam industri terkait serta institusi lain (perguruan tinggi, badan standarisasi, asosiasi dagang) dalam suatu lapangan usaha tertentu yang saling bersaing tetapi juga bekerja sama. Porter (1990) mengemukakan konsep tentang keunggulan kompetitif dari suatu negara yang erat kaitannya dengan konsep klaster industri. Faktor-faktor yang mempengaruhi keunggulan kompetitif suatu negara dikemas dalam model Berlian Porter seperti terlihat pada Gambar 1 yaitu : 1. Kondisi faktor, posisi nasional dalam berbagai faktor produksi seperti tenaga kerja terlatih dan infrastuktur yang dibutuhkan untuk bersaing dalam suatu jenis industri 2. Kondisi permintaan, permintaan pasar terhadap produk industri 3. Industri terkait dan pendukung, ketersediaan atau ketidaktersediaan industri pemasok dan industri terkait yang dapat bersaing secara internasional 4. Strategi perusahaan, struktur dan persaingan. Kondisi pemerintah bagaimana perusahaan diciptakan, diorganisasikan dan dikelola dalam persaingan domestik STRATEGI PERUSAHAN, STRUKTUR DAN PERSAINGAN FAKTOR KONDISI KONDISI PERMINTAAN PASAR INDUSTRI PENDUKUNG DAN INDUSTRI TERKAIT Gambar 1 Model berlian Porter (Porter 1990) 10 a. Faktor Kondisi Faktor-faktor kondisi yang sangat diperlukan dalam menciptakan keunggulan daya saing industri berupa sumberdaya manusia, infrastruktur, dan permodalan. - Sumberdaya manusia, dengan berbagai indikator seperti kuantitas, kualitas, dan ketersediaan. - Infrastruktur, dengan indikator berupa ketersediaan sarana transportasi, sarana komunikasi, dan unit-unit pelayanan teknis. - Permodalan, indikatornya adalah sumber permodalan. b. Kondisi Permintaan Porter berpendapat bahwa pengalaman pasar domestik adalah elemen yang penting untuk persaingan produksi. Perusahaan yang berhadapan dengan pasar domestik diharapkan menawarkan kualitas produk yang tinggi dan lebih memenuhi kebutuhan dan keinginan konsumennya. c. Industri Terkait dan Industri Pendukung Porter juga berpendapat bahwa hubungan relasi yang kuat dan industri pendukung sangat penting dalam persaingan di suatu perusahaan. Disini termasuk pemasok dan industri terkait. d. Strategi Perusahaan dan Persaingan Pasar Berbagai aspek yang mempengaruhi cara mengorganisasi dan mengelola perusahaan diantaranya adalah perilaku kewenangan, kemampuan bahasa, nilai interaksi antar personil, norma sosial, serta standar profesional. Pengaruh yang paling kuat terhadap keunggulan daya saing justru berasal dari persaingan domestik di dalam suatu industri. 2.2 Data, Informasi dan Pengetahuan Berbagai literatur menjelaskan definisi pengetahuan dan membedakannya dari data dan informasi. Davenport (1998) menjelaskan data sebagai himpunan diskret, kenyataan obyektif mengenai berbagai peristiwa atau kejadian. Dalam konteks organisasi data lebih digambarkan sebagai catatan terstruktur dari berbagai transaksi. Sedangkan informasi diartikan sebagai data yang dapat 11 menjadi berbeda. Informasi dapat mengubah penerima informasi dalam memandang sesuatu. Istilah menginformasikan dapat diartikan sebagai memberi bentuk. Davenport (1998) mendefinisikan pengetahuan sebagai campuran cair dari pengalaman, nilai, informasi kontekstual, pandangan pakar dan intuisi yang menyediakan lingkungan dan kerangka untuk mengevaluasi dan menggabungkan pengalaman baru dan informasi. Berdasarkan definisi ini, pengetahuan adalah campuran dari berbagai elemen yang lebih bersifat cair daripada terstuktur secara formal. Pengetahuan diturunkan dari informasi, sebagaimana halnya informasi diturunkan dari data. Data tersimpan dalam catatan atau transaksi, informasi dalam pesan, dan pengetahuan dalam individu atau grup orang-orang yang mengetahui atau kadang-kadang dalam rutinitas organisasi. Pengetahuan dapat disampaikan dalam media yang terstuktur seperti buku dan dokumen, dan juga kontak antar orang dalam bentuk percakapan atau magang. Turban (2005) mendefinisikan data sebagai kumpulan fakta, pengukuran, dan statistik, sedangkan informasi adalah data yang diorganisasi atau diproses tepat waktu (kesimpulan dari data ditarik dalam batasan waktu yang dapat diterapkan) dan akurat (mengenai data asli). Pengetahuan adalah informasi yang kontekstual, relevan dan dapat dilakukan. Pengetahuan memiliki pengalaman dan reflektif yang kuat yang membuat ia berbeda dari informasi dalam sebuah konteks yang telah ditentukan. Memiliki pengetahuan menyiratkan bahwa ia dapat dipakai untuk memecahkan masalah, sedangkan memiliki informasi tidak memberikan arti tambahan yang sama. Kemampuan untuk bertindak adalah bagian integral dari memiliki banyak pengetahuan. Perbedaan kemampuan tersebut berkaitan dengan perbedaan pengalaman, pelatihan, perspektif dan faktor lainnya (Turban, 2005). Hubungan antara data, informasi dan pengetahuan tersajikan pada Gambar 2. 12 Processed INFORMATION Relevant and actionable DATA KNOWLEDGE Relevant and actionable Gambar 2 Keterkaitan data, informasi dan pengetahuan (Turban 2005) Sanchez (2004) juga menjelaskan perbedaan data, informasi dan pengetahuan. Data adalah pengamatan mengenai kejadian-kejadian atau entiti, yang dapat meliputi deskripsi kualitatif maupun pengukuran kuantitatif. Karena data hanyalah pengamatan, ia tidak dapat banyak memberikan arti sampai dengan data tersebut diinterpretasikan dengan berbagai cara. Informasi diturunkan dari perbandingan data sepanjang waktu atau lintas situasi. Sedangkan pengetahuan adalah kumpulan kepercayaan atau keyakinan dari seseorang tentang hubungan sebab akibat dari lingkungannya. Selanjutnya Sanchez (2004) menjelaskan tiga bentuk dari pengetahuan yaitu know-how, know-why dan know-what. Know-how merupakan pengetahuan praktis yang dapat memungkinkan seseorang untuk mempertahankan sistem atau proses yang telah ada dalam urutan kerja yang baik. Know-why merupakan pengetahuan teoritis yang memungkinkan seseorang untuk merancang sistem atau proses baru. Sedangkan know-what merupakan pengetahuan strategik dari tujuan dimana know-how dan know-why yang tersedia dapat diaplikasikan. Menurut Polanyi (1958) dalam Turban (2005) pengetahuan dapat pula dibagi dua yaitu pengetahuan eksplisit (explicit knowledge) dan pengetahuan tersembunyi (tacit knowledge). Pengetahuan eksplisit adalah kebijakan, petunjuk prosedural, laporan resmi, laporan, desain produk, strategi, tujuan, misi dan kemampuan inti dari perusahaan dan teknologi informasi insfrastruktur. Ia adalah pengetahuan yang telah dikodifikasi (terdokumentasikan) dalam format yang 13 dapat dibagikan kepada orang lain atau ditransformasi ke dalam suatu proses tanpa menuntut interaksi antar pribadi. Sedangkan pengetahuan tersembunyi merupakan penyimpanan kumulatif dari pengalaman, peta mental, pengertian yang mendalam (insight) ketajaman, keahlian, know-how, rahasia perdaganga, kumpulan ketrampilan, pemahaman dan pembelajaran yang dimiliki organisasi, juga budaya organisasi yang telah melekat di masa lalu. Sebagai contoh penjelasan bagaimana cara mengendari sebuah sepeda sulit didokumentasi secara eksplisit, dan karena itu tersembunyi (Turban, 2005). Nonaka (1995) juga menjelaskan perbedaan antara pengetahuan tersembunyi dan pengetahuan explisit. Pengetahuan tersembunyi dapat berupa keahlian atau ketrampilan gerakan tubuh, persepsi individu, pengalaman psikis, perilaku tertentu yang senantiasa dikerjakan (rules of thumb) dan intuisi. Pengetahuan tersembunyi ini tidak dapat dengan mudah dibagikan. Sebagai contoh adalah seorang ahli pembuat roti yang dengan pengalaman bertahun-tahun memiliki keahlian luar biasa dalam membuat roti yang sangat lezat. Tetapi seringkali dia sendiri sulit untuk menerangkan secara spesifik ilmu atau teknik yang dimilikinya. Sedangkan pengetahuan eksplisit merupakan pengetahuan yang dapat dengan mudah dituliskan dalam kertas, dinyatakan dalam kalimat serta rumus-rumus, atau dilukiskan dengan gambar serta mudah dibagikan. Melalui proses transformasi pengetahuan misalnya dengan mempelajari pengetahuan tersembunyi yang dimiliki seseorang secara berulang-ulang maka tersembunyi tersebut dapat berubah menjadi eksplisit, misalnya berupa sebuah produk yang spesifik, mesin pembuat roti. Zack (1999) menyatakan pengetahuan sebagai salah satu sumber daya tak berwujud merupakan sumber daya yang paling strategis dan bernilai. Nonaka (1995) juga menekankan tentang pentingnya pengetahuan dengan mengatakan perusahaan yang sukses adalah mereka yang secara konsisten menciptakan pengetahuan baru, menyebarkannya secara luas dalam organisasi, dan secara cepat mengubahnya menjadi berbagai teknologi dan produk baru. Zack (1999) menjelaskan mengapa pengetahuan dapat keunggulan menjadi berkelanjutan, sebagai berikut : membuat 14 1. Pengetahuan, terutama yang bersifat tersembunyi (tacit) dan melekat pada rutinitas kompeksitas organisasi dan dikembangkan melalui pengalaman, cenderung menjadi unik dan sulit ditiru. Tidak seperti banyak sumber daya tradisional lainnya, hal ini tidak begitu mudah dapat dibeli di pasar dalam bentuk yang sudah siap digunakan. Untuk memperoleh pengetahuan yang sama, pesaing harus memiliki pengalaman yang sama. 2. Semakin perusahaan mengetahui, semakin banyak pula perusahaan akan belajar. Kesempatan belajar yang dimiliki organisasi yang telah memiliki keunggulan pengetahuan lebih bernilai dibandingkan dengan organisasi lain yang memiliki kesempatan belajar yang sama tetapi dimulai dengan kurang pengetahuan. 3. Suatu organisasi yang telah mengetahui tentang sesuatu yang unik membutuhkan pengetahuan baru, menyediakan kesempatan untuk sinergi pengetahuan yang tidak tersedia bagi pesaingnya. Pengetahuan baru yang terintegrasi dengan pengetahuan yang telah ada dapat berkembang menjadi pandangan yang unik dan pengetahuan yang lebih berharga. 4. Tidak seperti barang-barang fisik tradisional yang bila dikonsumsi akan menyebabkan pengembalian yang menurun sepanjang waktu, pengetahuan bila digunakan justru akan memberikan pengembalian yang menaik. 2.3 Strategi Pengetahuan Zack (1999) menjelaskan adanya hubungan antara pengetahuan dan strategi bisnis melalui konsep strategi pengetahuan. Strategi pengetahuan lebih kepada penyelerasan pengetahuan dengan strategi bisnis. Model strategi pengetahuan dari Zack (1999) disajikan pada Gambar 3. 15 Apa yang perusahaan harus ketahui Apa yang perusahaan harus lakukan Kesenjangan pengetahuan Kesenjangan strategi Apa yang perusahaan telah ketahui Apa yang perusahaan dapat lakukan Gambar 3 Model strategi pengetahuan (Zack 1999) Zack (1999) menyatakan esensi strategi pengetahuan adalah penyeimbangan sumber daya berbasis pengetahuan dan kapabilitas dengan pengetahuan yang dibutuhkan untuk menyediakan produk dan jasa dengan cara yang lebih baik dibandingkan pesaingnya. Perusahaan harus mengidentifikasi sumber berbasis pengetahuan mana dan kepabilitas yang bernilai, unik dan tidak mudah ditiru sehingga dapat mendukung produk dan posisi pasar perusahaan. Setelah pengetahuan dapat diketahui pengetahuan mana yang harus dikelola dan dikembangkan, maka strategi pengetahuan dapat dilanjutkan dengan aktivitas manajemen pengetahuan. 2.4 Manajemen Pengetahuan Proses pengelolaan pengetahuan dalam organisasi terkait dengan suatu disiplin ilmu yang dikenal dengan nama manajemen pengetahuan (knowledge management). Tidak ada definisi yang baku mengenai apa itu manajemen pengetahuan karena begitu luasnya pengertian dari pengetahuan. Suatu definisi menyebutkan bahwa manajemen pengetahuan adalah proses mendapatkan, transformasi, dan penyebaran pengetahuan secara menyeluruh di dalam organisasi 16 sehingga pengetahuan tersebut dapat dibagikan dan digunakan (Turban, 2001). Tiwana (2000) mendefinisikan manajemen pengetahuan sebagai pengelolaan dari pengetahuan organisasi untuk menciptakan nilai bisnis dan membangkitkan keunggulan bersaing. Manajemen pengetahuan memungkinkan terjadinya kreasi, komunikasi dan aplikasi dari pengetahuan dari berbagai bentuk untuk mencapai tujuan-tujuan bisnis. Beberapa literatur seperti Tuomi (2002) dan McElroy (2002) membagi perkembangan manajemen pengetahuan atas generasi pertama dan generasi kedua. Generasi pertama yang dimulai pada tahun 1980-an menekankan manajemen pengetahuan pada penggunaan sistem informasi dan teknologi komputer sehingga disebut sebagai manajemen pengetahuan berbasis teknologi informasi (IT based KM). Banyak inisiatif difokuskan pada penemuan paket perangkat lunak yang dapat memungkinkan manajemen pengetahuan dapat terjadi. Permasalahan utama adalah pada penyimpanan dan saling-bagi pengetahuan. Salah satu teknologi manajemen pengetahuan yang banyak digunakan adalah sistem pakar sebagai solusi dari permasalahan saat itu yaitu pengecilan organisasi (organizational downsizing), pengunduran diri para pakar, dan kehilangan kompetensi kunci (Feigenbaum, McCorduck dan Nii 1988) seperti diacu dalam Tuomi (2002). Generasi kedua yang dimulai sekitar tahun 1995 mulai memindahkan fokus manajemen pengetahuan pada pengembangan organisasi, manajemen modal intelektual dan manajemen kompetensi (Tuomi 2002). Generasi kedua ini fokus pada kapasitas organisasi untuk memproduksi pengetahuan, daripada hanya penangkapan dan distribusi pengetahuan (McElroy 2002). Hal ini dikarenakan ITbased KM tidak dapat secara cukup mendukung inovasi karena ketidakmampuannya untuk mengeksploitasi pengetahuan tacit. Pengetahuan tacit dipercaya sebagai pendorong utama dari proses inovasi. Nonaka dan Takeuchi (1995) menggambarkan konsep manajemen pengetahuan dalam suatu istilah yang dinamakan kreasi pengetahuan. Pengetahuan agar bisa lebih hidup dan dapat lebih bermanfaat harus melewati fase pengubahan atau konversi yang dikenal sebagai model SECI (Socialization, Externalization, Combination, Internalization) antara pengetahuan tersembunyi dan pengetahuan eksplisit seperti terlihat pada Gambar 4. 17 Dialogue Socialization Tacit  Tacit • Externalization Tacit  Explicit • Process capture tools • Traceability Face-to-face Communications • Video Conferencing Tools • • I • Web cams Reflective Peer-to-Peer networks • Virtual Reality Tools G I I I I I I nternalization Explicit  Tacit • Combination Explicit  Explicit • Collective Knowledge Networks • Expert Systems • • Notes Data/ Org Memory • Pattern Recognition • Collaborative Computing Tools Discussion Lists, Web Forums • Neural Networks C Systemic Knowledge Tools G I G Best Practice Databases G C Learning by doing Ket : I=Individu, G=Group, C=Company Gambar 4 Model Socialization, Externalization, Combination, Internalization (Tiwana 2000) Turban (2005) menjelaskan sosialisasi mengacu pada konversi pengetahuan tersembunyi kepada pengetahuan tersembunyi yang baru melalui interaksi sosial dan pengalaman bersama antar anggota organisasi (misal penasihat). Eksternalisasi mengacu pada mengubah pengetahuan tersembunyi kepada pengetahuan eksplisit baru (misal memproduksi suatu dokumen tertulis yang menggambarkan prosedur yang digunakan untuk masalah tertentu). Kombinasi mengacu penciptaan pengetahuan eksplisit baru dengan menggabungkan, menggolongkan, dan menyatukan pengetahuan eksplisit yang sudah ada (misal analisis statistik terhadap data pasar). Internalisasi mengacu pada penciptaan pengetahuan tersembunyi baru dari pengetahuan eksplisit (misal mendapatkan pemahaman awal dengan membaca suatu dokumen). 18 Manajemen pengetahuan diawali oleh adanya kreasi pengetahuan dimana pengetahuan tersebut dapat berupa tacit atau eksplisit. Kreasi pengetahuan itu sendiri dimulai oleh individu. Membuat pengetahuan individu tersebut dapat digunakan oleh orang lain merupakan aktivitas utama dari sebuah organisasi yang menerapkan manajemen pengetahuan. Hal ini harus dilakukan secara terus menerus dan pada semua tingkat organisasi. Turban (2001) menyebutkan bahwa manajemen pengetahuan dirancang untuk mengelola kreasi pengetahuan melalui proses learning; penangkapan pengetahuan; pembagian pengetahuan dan komunikasi melalui kerja sama; akses pengetahuan; penggunaan pengetahuan; dan penyimpanan pengetahuan. Turban (2001) juga menggambarkan manajemen pengetahuan sebagai suatu siklus seperti disajikan dalam Gambar 5. Siklus di atas diawali oleh adanya kreasi pengetahuan. Kreasi tersebut dihasilkan oleh orang-orang dalam organisasi misalnya cara baru dalam melakukan sesuatu atau mengembangkan know-how. Kadang-kadang pengetahuan dari luar juga masuk. Berikutnya pengetahuan tersebut harus ditangkap misalnya pengubahan pengetahuan tacit yang didapatkan oleh seseorang dari suatu pelatihan, kepada pengetahuan eksplisit seperti laporan tertulis. Langkah berikutnya adalah menyaring pengetahuan tersebut dan menempatkannya menjadi sesuatu yang dapat ditindaklanjuti. Menangkap pengetahuan Mengkreasi pengetahuan Menyaring pengetahuan Menyimpan pengetahuan Menyebarkan pengetahuan Mengelola pengetahuan Gambar 5 Siklus manajemen pengetahuan (Turban 2001) 19 Pengetahuan yang berguna ini kemudian disimpan dalam suatu wadah sehingga anggota organisasi lainnya memiliki akses kepada pengetahuan tersebut. Seperti halnya perpustakaan yang harus dikelola agar buku-bukunya selalu baru dan up to date, maka pengetahuan juga harus dikelola dan dievaluasi agar tetap relevan dan akurat. Langkah terakhir dari siklus tersebut adalah pengetahuan harus tersedia dalam suatu format yang berguna bagi siapapun di dalam organisasi yang membutuhkan dimanapun dan kapanpun. 2.5. Strategi Pengetahuan dan Strategi Manajemen Pengetahuan Zack (2001) yang diacu dalam Snyman (2004) membuat perbedaan antara strategi pengetahuan dengan strategi manajemen pengetahuan. Strategi pengetahuan memberikan pengertian strategi berbasis pengetahuan, yaitu strategi bersaing yang didasarkan pada modal intelektual dan kapabilitas yang dimiliki perusahaan. Pada saat perusahaan telah mengidentifikasi peluang, ancaman, kekuatan dan kelemahan yang terkait dengan sumber daya intelektual dan kapabilitas, maka tindakan harus dilakukan untuk mengelola kesenjangan atau kelebihan yang terjadi (seperti dengan cara merekrut keahlian tertentu, membangun sistem penyimpangan dokumen on line, membangun komunitasi praktisi, mengakuisisi perusahaan, lisensi teknologi, dan sebagainya). Strategi pengetahuan berorientasi pada apa pengetahuan yang bersifat strategik dan kenapa. Strategi manajemen pengetahuan bertujuan untuk memandu dan mendefinisikan proses dan infrastuktur untuk mengelola pengetahuan. Turban (2005) menjelaskan terdapat dua pendekatan atau strategi dalam manajemen pengetahuan yaitu pendekatan proses (kodifikasi) dan pendekatan praktek (personalisasi), Pendekatan proses berusaha melakukan kodifikasi pengetahuan organisasional melalui kendali formal dan teknologi seperti intranet, data warehousing, repositori pengetahuan, peranti pendukung keputusan dan groupware. Pendekatan ini disebut juga strategi manajemen pengetahuan teknologikal (Nicolas 2004). Sedangkan pendekatan praktek berasumsi bahwa banyak pengetahuan organisasional bersifat tersembunyi dan kontrol formal, proses dan teknologi tidak cocok untuk mentransmisi jenis pemahaman ini. Pendekatan ini dilakukan kebanyakan melalui kontak pribadi ke pribadi. 20 Nicolas (2004) menambahkan terdapat satu pendekatan atau strategi manajemen pengetahuan yaitu sosialisasi. Strategi ini menggabungkan kedua strategi sebelumnya yaitu teknologikal dan personalisasi. Sosialisasi didisain agar pengetahuan dapat saling dipertukarkan melalui interaksi satu sama lain dalam suatu komunitas pengetahuan atau kelompok orang yang bergerak dalam pengetahuan yang sama serta juga mengumpulkan pengetahuan. Hasil penelitian Nicolas (2004) menunjukkan bahwa strategi sosialisasi semakin banyak digunakan seperti dapat dilihat pada Tabel 2. Tabel 2 Persentase penggunaan strategi manajemen pengetahuan Strategi Manajemen Pengetahuan 1998 Teknologi (Kodifikasi) 92 % 86 % 53 % 6% 8% 12 % 12 % 26 % 55 % Personalisasi Sosialisasi 2000 2002 Sumber : Nicolas (2004) Tiwana (2000) memberikan beberapa penjelasan untuk memilih strategi manajemen pengetahuan. Kodifikasi dapat dilakukan pada perusahaan yang menghasilkan produk yang berkualitas tinggi, andal dan cepat. Harga menjadi dasar kompetisi, marjin keuntungan rendah dan teknologi informasi seperti penyimpanan pengetahuan yang dapat digunakan kembali menjadi alat yang paling memungkinkan terjadinya hubungan antar orang untuk bertukar pengetahuan eksplisit. Personalisasi dapat dilakukan pada perusahaan yang menuntut kreativitas produk dan disain produk yang tergantung pada pesanan. Marjin keuntungan tinggi, penyimpanan dan pengambilan pengetahuan tidak menjadi prioritas, dan lebih menggunakan teknologi seperti e-mail dan konferensi via video untuk saling bertukar pengetahuan terutama pengetahuan yang tersembunyi. 2.6. Pendekatan Sistem Pendekatan sistem adalah suatu pendekatan analisa organisatoris yang menggunakan ciri-ciri sistem sebagai titik tolak analisa. Pendekatan ini 21 merupakan cara penyelesaian masalah yang dimulai dengan dilakukannya identifikasi terhadap adanya sejumlah kebutuhan-kebutuhan sehingga sehingga dapat menghasilkan suatu operasi dari sistem yang dianggap efektif (Marimin 2005). Secara definitif sistem adalah suatu gugus dari elemen yang saling berhubungan dan terorganisasi untuk mencapai suatu tujuan atau suatu gugus dari tujuan-tujuan (Manetsch dan Park 1979 yang diacu dalam Eriyatno 1999). Terdapat dua hal umum yang menandai pendekatan sistem, yaitu 1) dalami semua faktor penting yang ada di dalam sistem untuk memperoleh solusi yang baik dalam menyelesaikan masalah dan 2) dibuat suatu model kuantitatif untuk membantu keputusan secara rasional. Untuk dapat bekerja secara sempurna, suatu pendekatan sistem mempunyai delapan unsur yang meliputi : metodologi untuk perencanaan dan pengelolaan suatu tim yang multidispliner, perorganisasian, disiplin untuk bidang yang non kuantitatif, teknik model matematik, teknik simulasi, teknik optimasi dan aplikasi komputer. Tidak semua substansi perlu diselesaikan dengan pendekatan sistem. Permasalahan sederhana yang tidak melibatkan banyak elemen cukup dikaji melalui pendekatan suatu disiplin ilmu saja. Persyaratan suatu substansi yang dikaji melalui pendekatan sistem menurut Eriyatno (1999) adalah : 1) kompleks, yang menggambarkan interaksi antar elemen cukup rumit, 2) dinamis, dalam arti ada faktornya ada yang berubah menurut waktu dan ada pendugaan ke masa depan, 3) probabilistik, yakni diperlukan suatu fungsi peluang didalam inferensi kesimpulan maupun rekomendasi. Penyelesaian suatu persoalan melalui pendekatan sistem terdiri atas beberapa tahap proses. Tahapan tersebut meliputi analisa, rekayasa model, implementasi rancangan serta implementasi dan opersi sistem. Metodologi sistem pada prinsipnya terdiri atas enam tahap analisa, yakni : analisa kebutuhan, identifikasi sistem, formulasi masalah, pembentukan alternatif sistem, determinasi dari realisasi fisik, sosial dan politik, dan penentuan kelayakan ekonomi dan keuangan (finansial). Keenam langkah tersebut dilakukan dalam satu kesatuan kerja yang dikenal sebagai analisis sistem. 22 2.7. Sistem Pendukung Keputusan dan Sistem Pakar Sistem Pendukung Keputusan (SPK) didefinisikan sebagai sistem berbasis komputer interaktif yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur (Gorry dan Scott Morton, 1971 dalam Turban, 2005). Sedangkan sistem pakar adalah suatu sistem yang menggunakan pengetahuan manusia yang tersimpan pada suatu komputer untuk menyelesaikan suatu masalah yang membutuhkan keahlian pakar (Turban, 2001). Banyak masalah tidak terstruktur dan bahkan semi terstruktur yang sangat kompleks sehingga solusinya memerlukan keahlian yang dapat diberikan oleh suatu sistem pakar. Oleh karena itu makin banyak SPK canggih yang dilengkapi dengan satu komponen yang disebut sub sistem manajemen berbasis pengetahuan. Komponen ini dapat menyediakan keahlian yang diperlukan untuk memecahkan beberapa aspek masalah dan memberikan pengetahuan yang dapat meningkatkan operasi komponen SPK yang lain (Turban, 2001). Data Model Pengetahuan Sistem Manajemen Data Sistem Manajemen Basis Model Sistem Manajemen Basis Sistim Pengolahan Terpusat Mekanisme I nferensia Pengetahuan ( rule-base Skenario) Sistim Manajemen Dialog SPK SMA Pengguna Gambar 6 Konfigurasi model dasar sistem manajemen ahli (Turban, 1988) Integrasi sistem pakar dengan SPK dapat berupa memasukkan sistem pakar ke dalam komponen-komponen SPK atau dengan membuat sistem pakar 23 sebagai komponen yang terpisah dari SPK. Nama lain untuk integrasi sistem pakar dengan SPK adalah SPK intelejen dan Sistem Pendukung Ahli (Turban, 2001). Tujuan perancangan sistem pakar menurut Marimin (2005) adalah untuk mempermudah kerja atau bahkan mengganti tenaga ahli, penggabungan ilmu dan pengalaman dari beberapa tenaga ahli, training tenaga ahli baru, penyediaan keahlian yang diperlukan dalam suatu proyek yang tidak ada atau tidak mampu membayar tenaga ahli. Pada prinsipnya sistem pakar tersusun dari beberapa komponen yang mencakup (Marimin, 2005) : 1. Fasilitas akuisisi pengetahuan 2. Sistem berbasis pengetahuan (knowledge based system) 3. Mesin inferensi (inference engine) 4. Fasilitas untuk penjelasan dan justifikasi, dan 5. Penghubung antara pengguna dan sistem pakar (user interface) Fasilitas akuisisi pengetahuan digunakan sebagai alat untuk mengisi atau mendapatkan pengetahuan, fakta, aturan dan model yang diperlukan oleh sistem pakar dari berbagai sumber. Tahap akuisisi pengetahuan merupakan tahap penting, kritis dan sangat menentukan keberhasilan sistem pakar yang akan dikembangkan untuk pemecahan persoalan yang biasanya dapat diselesaikan oleh seorang pakar. Pengetahuan tersebut didapat dari (Marimin 2005) : 1. Akuisisi pengetahuan dari para pakar 2. Pengorganisasian dari beberapa buku, jurnal, data dasar dan media lain (manual teknik, makalah dan sejenis) yang relevan dengan ruang lingkup sistem pakar yang akan dikembangkan. 3. Penyeleksian hasil deduksi dan induksi dari pengetahuan yang sudah tersimpan di dalam suatu sistem pakar ataupun yang berupa pengalaman sendiri. Hal ini dapat dilakukan apabila sistem pakar tersebut mempunyai sistem berbasis pengetahuan yang dinamis dan lagipula pengguna sistem tersebut adalah seorang pakar. 24 Dalam pembentukan sistem pakar diperlukan beberapa pakar di bidang yang diperlukan dan perekayasaan sistem / knowledge engineers sebagai perancang sistem pakar. Ada beberapa persyaratan yang harus dipenuhi dalam pemilihan pakar. Pakar yang dilibatkan dapat dibagi dalam empat kelompok, yaitu (Marimin 2005) : 1. Pakar yang mendapatkan pendidikan formal S2 / S3 pada bidang yang dikaji. 2. Pakar yang berpengalaman pada bidang yang dikaji, tetapi memiliki pendidikan formal di bidang lain. 3. Pakar yang berpendidikan formal dan berpengalaman pada bidang yang dikaji. 4. Pakar yang berasal dari praktisi di dalam kehidupan sehari-hari (kaya akan pengalaman empiris di suatu sector kegiatan tertentu). Klasifikasi ini lebih didasarkan pada lama kerja dan kewewenangan (dapat terdidik secara formal atau otodidak) di suatu posisi kegiatan teknik tertentu. Tahap pembentukan sistem pakar dimulai dengan tahap identifikasi masalah seperti ditunjukkan pada Gambar 7. Tahapan tersebut disusun oleh tiga unsur utama sistem yaitu basis pengetahuan, motor inferensi dan penerapannya. Basis pengetahuan merupakan bagian yang memuat obyek-obyek pengetahuan serta hubungan yang dimiliki antar obyek-obyek tersebut. Basis pengetahuan merupakan sumber kecerdasan sistem dan hal ini dimanfaatkan oleh mekanisme inferensi untuk mengambil kesimpulan. Basis pengetahuan dapat dilakukan dengan cara jaringan semantik, obyek-atribut-nilai, frame atau kaidah produksi, dan representasi fuzzy. Mesin inferensi merupakan komponen sistem pakar yang memanipulasi dan mengarahkan pengetahuan dari basis pengetahuan sehingga tercapai kesimpulan. Terdapat dua strategi dalam mesin inferensi yaitu strategi penalaran dan strategi pengendalian (Marimin 2005). 25 Mulai Iderntifikasi Masalah Mencari Sumber Pengetahuan Akuisisi Pengetahuan Representasi Pengetahuan Pengembangan Mesin Inferensi Implementasi Pengujian Mewakili Human Expert ? Tidak Ya Selesai Gambar 7 Tahap pembentukan sistem pakar (Marimin 2005) 2.8. Teknologi Pengolahan Barang Jadi Lateks Pengembangan agroindustri di Indonesia berpeluang besar karena didukung oleh besarnya dan beraneka ragam potensi sumber daya alam yang dimiliki atau yang lebih dikenal dengan keunggulan komparatif. Karet merupakan salah satu komoditi yang memilliki potensi besar untuk dikembangkan ke arah agroindustri karena beragam produk yang dapat dihasilkan dari komoditi tersebut. Produk dari lateks ini dapat diolah untuk menghasilkan lateks pekat, lembaran karet (sheet), atau karet remah (crumb rubber) yang merupakan bahan baku industri karet yang selanjutnya dapat diolah menjadi berbagai produk turunannya seperti ban, komponen, sarung tangan dan sebagainya. 26 Suparto dan Syamsu (2008) menjelaskan bahwa industri barang jadi lateks pada umumnya tidak memerlukan teknologi yang canggih, sehingga mudah dikembangkan di negara penghasil lateks pekat. Barang jadi lateks dapat dibuat menggunakan berbagai teknologi proses diantaranya proses celup (kondom, sarung tangan), ekstrusi (benang karet, kateter), pembusaan (kasur busa), pelapisan (kertas berlapis karet, kain berkaret) dan pengolesan atau perekatan (adhesive). Beberapa jenis barang jadi lateks seperti sarung tangan rumah tangga dan keperluan industri, balon, busa, karet gelang, topeng dan produk tuang cetak (casting) serta perekat dapat diproduksi oleh industri rumah tangga (home industry). Secara umum berbagai produk olahan karet dapat dilihat pada Gambar 8. Lateks Pekat Lateks Dadih Lateks Ribbed Smoked Sheets (RSS) Karet busa Sarung tangan medis Karet untuk peralatan medis Sarung tangan untuk industri Sarung tangan untuk rumah tangga Kondom Benang Karet Balon dll Pale Crepes Pohon Karet Hevea SIR 3 CV, SIR 3L, SIR 3WF SIR 10, SIR 20 Koagulum Lapangan Thin Brown Crepes (Remills) Ban dan ban dalam Alas kaki Komponen karet untuk otomotif Komponen karet untuk barang elektronik Produk karet untuk industri Selang dan pipa karet Karet Penggunaan umum Estate Brown Crepes (Compo) Thick Blanket Crepes (Ambers) Flat Bark Crepes Gambar 8. Pohon industri karet (Haris, 2006) Lateks kebun adalah getah pohon karet yang diperoleh dari pohon karet (Hevea brasiliensis M.), berwarna putih dan berbau segar. Umumnya lateks kebun hasil penyadapan mempunyai kadar karet kering (KKK) antara 20-35%, serta 27 bersifat kurang mantap sehingga harus segera diolah secepat mungkin. Cara penyadapan dan penanganan lateks kebun sangat berpengaruh kepada sifat bekuan sekaligus tingkat kebersihannya. Komposisi kimia dari lateks adalah karet 3035%, resin 0,5-1,5%, protein 1,5-2 %, abu 0,3 -0,7%, gula 0,3-0,5% dan air 5560% (BPTK, 2002). Dalam BPTK (2002) dijelaskan bahwa proses pembuatan barang jadi dari lateks secara garis besar terdiri dari penyiapan bahan baku lateks pekat, penyiapan dispersi dan larutan bahan kimia kompon, penyediaan kompon, pembentukan barang jadi melalui metode tertentu dan vulkanisasi pada suhu tertentu. Produk barang jadi karet pada umumnya mempunyai sifat-sifat tertentu yang diutamakan. Oleh sebab itu susunan kompon lateks disesuaikan dengan jenis produk yang akan dihasilkan sifat yang diutamakan. Kompon lateks adalah campuran antara lateks dengan berbagai bahan kimia untuk memperoleh hasil akhir suatu vulkanisat dengan proses tertentu. Bahan kimia kompon yang secara umum terdiri dari bahan pemvulkanisasi, pengaktif, pencepat, antioksidan, pengisi, pewarna dan sebagainya. Formula kompon lateks disusun berdasarkan pada 100 bobot karet kering (psk) yang terdapat dalam lateks pekat. Produk karet pada umumnya mempunyai sifat tertentu yang diutamakan, oleh sebab itu formula kompon lateks pada umumnya disesuaikan dengan jenis produk yang akan dihasilkan. Bahan kimia yang telah disediakan dicampurkan dengan lateks secara perlahan sambil dilakukan pengadukan hingga homogen, kemudian diperam sebelum diproses lebih lanjut. Proses pembentukan barang jadi dapat dilakukan dengan metode pembusaan, pencelupan dan pencetakan (BPTK 2002). a. Metode Pembusaan Pembusaan lateks umumnya dilakukan dengan pengocokan kompon yang telah ditambahi bahan pembusa. Bahan pembusa yang digunakan secara umum berupa sabun, seperti ammonium atau kalium oleat. Campuran kompon dengan bahan pembusa diaduk lebih dahulu agar homogen. Campuran yang telah homogen tersebut dikocok dalam waktu dan kecepatan pengocok tertentu hingga dicapai expansi volume kompon yang dikehendaki, disebut busa kompon lateks. Koagualan ditambahkan ke 28 dalam busa kompon lateks tersebut sambil diaduk agar homogen, dilanjutkan dengan penuangan ke dalam cetakan dan dibiarkan. Busa kompon lateks yang telah stabil divulkanisasi dengan menggunakan uap air pada suhu sekitar 90 C. Karet busa yang terbentuk dicuci hingga bersih dan dikeringkan di dalam oven pada suhu 70-100o C hingga diperoleh karet busa yang siap dimanfaatkan. b. Metode Pencelupan Pembentukan barang jadi karet dari lateks dapat pula dilakukan dengan pencelupan. Barang jadi karet dari lateks yang diproses dengan metode pencelupan antara lain sarung tangan, balon dan sebagainya. Kompon lateks yang telah siap diproses menjadi barang jadi karet dituangkan ke dalam tangki pencelupan. Proses pencelupan yang umum dilakukan adalah pencelupan sederhana, proses pencelupan anoda dan proses Teague (US Rubber). Proses pencelupan sederhana dilakukan dengan cara mencelupkan cetakan ke dalam kompon kemudian dikering anginkan kemudian divulkanisasikan dalam oven pada suhu dan waktu tertentu. Proses ini biasanya digunakan untuk menghasilkan produk yang tipis seperti kondom. Proses pencelupan anoda dilakukan dengan cara mencelupkan cetakan ke dalam koagulan terlebih dahulu kemudian cetakan berlapis koagulan tersebut dicelupkan ke dalam kompon lateks. Cetakan berlapis deposit kompon lateks dikering anginkan dan divulkanisasikan pada suhu dan waktu tertentu. Proses ini dilakukan untuk menghasilkan produk yang relatif tebal seperti bladder untuk spygmo-manometer. Proses Teague dilakukan dengan mencelupkan cetakan ke dalam kompon lateks kemudian cetakan yang berlapis kompon lateks dicelupkan ke dalam koagulan. Cetakan berlapis deposit lateks dikering anginkan kemudian divulkanisasikan pada suhu dan waktu tertentu. c. Metode Pencetakan Pencetakan barangjadi dari lateks umumnya digunakan untuk memperoleh barang jadi berongga seperti boneka berongga dan sebagainya. Cetaka yang digunakan untuk keperluan tersebut berupa pasangan atas dan bawah, 29 sehingga dapat ditutup rapat. Kompon lateks yang telah siap digunakan dimasukkan ke dalam cetakan, kemudian cetakan berisi kompon diputar mengikuti beberapa arah sumbu putaran sambil dipanaskan. Cetakan didinginkan, kemudian deposit di bagian dalam dikeluarkan dan divulkanisasikan pada suhu dan waktu tertentu. Barangjadi masif dapat pula dibuat dengan menuangkan kompon lateks ke dalam cetakan dan mengeringkannya pada suhu rendah. Deposit kering dikeluarkan dari cetakan dan divulkanisasikan pada waktu dan suhu tertentu. 2.9. Logika Fuzzy Dalam suatu sistem yang paling rumit dimana hanya tersedia sedikit data numerik dan mungkin hanya terdapat informasi yang bersifat tidak jelas / ambigu, logika fuzzy menyediakan cara untuk memahami perilaku sistem dengan mengijinkan kita untuk menyisipkan perkiraan antara masukan/input dan keluaran/output. Terdapat beberapa alasan mengapa logika fuzzy digunakan orang yaitu : (Kusumadewi, 2002) 1. Konsep logika fuzzy mudah dimengerti. 2. Logika fuzzy sangat fleksibel. 3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. 4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks 5. Logika fuzzy mampu membangun dan mengaplikasikan pengalamanpengalaman para pakar secara langsung tanpa harus melalui proses pelatihan 6. Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional 7. Logika fuzzy didasarkan pada bahasa alami Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian sehingga fungsi tersebut akan mencangkup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa nilai kebenaran suatu pernyataan dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak diantaranya. Dengan kata lain, nilai kebenaran suatu pernyataan tidak hanya bernilai benar atau salah. Nilai 0 30 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah. (Kusumadewi, 2002) Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas menimbulkan kerancuan. Keduanya memiliki nilai pada interval 0 sampai 1, namun interpretasi nilainya sangat berbeda. Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan probabilitas menunjukkan proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang. Misalnya jika nilai keanggotaan suatu himpunan fuzzy MUDA adalah 0.9 maka tidak perlu dipermasalahkan berapa seringnya nilai itu diulang untuk mengharapkan hasil yang hampir pasti MUDA. Sedangkan nilai probabilitas 0.9 MUDA berarti 10% dari himpunan tersebut diharapkan tidak muda. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy yaitu : 1. Variabel fuzzy Merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh : umur, suhu, permintaan dan sebagainya. 2. Himpunan fuzzy Merupakan suatu grup yang mewakili suatu kondisi tertentu dalam suatu variabel fuzzy. Contoh : variabel umur terbagi menjadi 3 himpunan Fuzzy yaitu muda, parobaya dan tua. 3. Semesta Pembicaraan Keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. 4. Domain Keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titiktitik input data ke dalam nilai keanggotaannya (disebut juga derajat keanggotaan) yang memiliki interval 0 sampai 1. Salah satu jenis fungsi keanggotaan yang umum digunakan adalah representasi kurva segitiga dan trapesium. Kurva segitiga seperti dapat dilihat pada Gambar 9 pada dasarnya merupakan gabungan antara 2 garis linear dengan fungsi keanggotaan seperti : 31 x ≤ a at au x ≥ c 0;  µ[ x ] = ( x - a) / ( b - a) ; a ≤ x ≤ b ( b - x) / ( c - b) ; b ≤ x ≤ c  1 derajat keanggotaan u[x] 0 a c b Gambar 9 Kurva segitiga (Triangular Fuzzy Number) Kurva trapesium pada dasarnya seperti kurva segitiga, hanya saja ada beberapa titik yang mempunyai nilai keanggotaan 1. Fungsi keanggotaannya sebagai berikut : x ≤ a atau x ≥ d a≤x≤b b≤x≤c x≥d 0; (x - a)/(b - a);  µ[ x ] =  1;  (d - x)/(d - c); 1 derajat keanggotaan u[x] 0 a c b d domain Gambar 10 Kurva trapesium (Trapezoidal Fuzzy Number) Fuzzy arithmetic adalah proses aritmatika seperti penjumlahan, perkalian dari 2 atau lebih bilangan Fuzzy. Proses ini pada prinsipnya sama seperti proses aritmatika biasa. Jika A = [a 1, a 2, a 3 ] dan B = [b1, b 2, b 3 ] maka operasi aritmatik pada kedua bilangan Fuzzy dapat dirumuskan sebagai berikut (Cheung et al. 2005; Tesfamariam dan Rehan 2006) : 1. Penjumlahan A ⊕ B = [a 1, a 2, a 3 ] ⊕ [b1, b 2, b3 ] = [a 1 +b 1 , a 2 +b2, a 3 +b3 ] 32 2. Pengurangan A Θ B = [a 1, a 2, a 3 ] Θ [b1, b2, b 3 ] = [a 1 -b3 , a 2 -b2, a 3 -b1 ] 3. Perkalian A ⊗ B = [a 1, a 2, a 3 ] ⊗ [b1, b 2, b3 ] = [a 1 .b1 , a 2 .b2, a 3 .b 3 ] 4. Pembagian A ∅ B = [a 1, a 2, a 3 ] ∅ [b1, b 2, b3 ] = [a 1 /b 3 , a 2 /b 2, a 3 /b1 ] Deffuzifikasi adalah proses mengkonversi angka fuzzy menjadi suatu angka yang pasti (crisp). Chien dan Tsai (2000) memperkenalkan metode defuzzifikasi untuk TFN (a 1 , a 2 , a 3 ) menggunakan rumus sebagai berikut : VA = a1 + 2a2 + a3 4 Sedangkan Fu et al. (2006) dan Kwong (2002) menggunakan pendekatan α-cut dalam defuzzifikasi dari TFN dengan menggunakan rumus sebagai berikut : ~ ∀α ∈ [0,1], Aα = [al α , au α ] = [(a m − al }α + al ,−(au −a m )α + au ] α α a~ij = µaiju + (1 − µ )aijlα , ∀µ ∈ [0,1] Dalam penelitian dapat digunakan nilai derajat kepastian ( α ) = 0.5 dan derajat optimisme ( µ ) = 0.5. Hal ini dilakukan untuk mengantisipasi adanya penilaian yang terlalu berlebihan atau sebaliknya penilaian yang underestimate. Ross TJ (2004) juga menjelaskan beberapa teknik defuzzifikas. Setidaknya ada 7 metode yaitu : 1. Max-membership principle Metode ini juga dikenal sebagai height method. Metode ini sangat sederhana dan cepat dilakukan. Prinsip dari metode ini adalah melihat domain dari nilai puncak fungsi keanggotaan output. Bila c(k) adalah domain puncak dari Fuzzy set dan fk adalah derajat keanggotaan maximum dari Fuzzy set. 33 2. First of Maxima Metode ini menggunakan output dari semua output Fuzzy set untuk menggambarkan nilai terkecil dari domain derajat keanggotaan yang maksimum. 3. Mean-max membership Metode ini mirip dengan first of maxima. Bila first of maxima hanya mengambil domain terkecil dari derajat keanggotaan maksimum maka metode ini justru menghitung rata-rata dari domain yang mempunyai keanggotaan maksimum. 4. Center of area Metode ini juga disebut sebagai metode centroid. Metode ini menggambarkan pusat area dari fungsi keanggotaan. Proses defuzzifikasinya lebih kompleks dan dapat menimbulkan overlapping. Adapun formulasi metode ini adalah sebagai berikut : x* = ∫ µ . ( x).xdx ∫ µ . ( x)dx A A dimana µ A (x) adalah nilai keanggotaan dari Fuzzy set A dan x i adalah nilai dari domain pada level i. 5. Center of sums Metode ini lebih cepat dihitung dibanding metode lainnya. Prinsip dari metode ini adalah melihat daerah irisan dari fungsi keanggotaan yang ada kemudian baru menghitung pusat areanya. Overlapping yang terjadi pada metode centroid tidak terjadi pada metode ini. 6. Center of largest area Jika output dari Fuzzy set mempunyai minimal 2 daerah hasil, maka daerah yang kan kita hitung hasil defuzzifikasinya adalah daerah yang terbesar. Sedangkan untuk proses perhitungan defuzzifikasi menggunakan metode centroid. 7. Weighted average method Metode ini hanya dapat digunakan untuk output fungsi keanggotaan yang bersifat simetris. 34 2.10 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 comparison). Langkah-langkah dalam metode AHP meliput i (Suryadi dan Ali, 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 penilaian 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. 35 Consistency Index (CI) mengukur seberapa besar tingkat kekonsistenan seseorang dalam memberikan penilaian terhadap suatu elemen di dalam masalah. CI = λ max − n n −1 Keterangan : λ 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. CR = CI RC Keterangan : CI : consistency index RC : random consistency Nilai CR harus berada di antara 10 % atau kurang untuk dapat diterima. Pada AHP, 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 1 − 9 . Fuzzy number akan dituliskan dengan tanda diatas angka yang ada. TFN N~ didefinisikan oleh 3 bilangan nyata a ≤ b ≤ c , dan dikarakteristikkan oleh fungsi keanggotaan kontinyu ~ (x) N μ : Penentuan tingkat kepentingan kriteria/alternatif ternormalisasi yang dihasilkan dari perbandingan berpasangan menggunakan TFN dapat dicari dengan langkah-langkah sebagai berikut (Murtaza 2003) 36 • Melakukan perbandingan berpasangan untuk setiap kriteria / alternatif dengan menggunakan skala lingustik atau skala 1-9. Hasil perbandingan berpasangan tersebut kemudian difuzzykan dengan TFN. • Menentukan tingkat kepentingan setiap faktor /kriteria dengan mengalikan tiap-tiap nilai dalam TFN (batas bawah, nilai tengah, batas atas) pada suatu baris, kemudian diambil akar ke-n dari hasil perkalian tersebut, di mana n adalah banyaknya kriteria/alternatif. • Melakukan normalisasi terhadap tingkat kepentingan (weights) dengan aturan :  Nilai bawah dibagi dengan jumlah dari nilai atas.  Nilai atas dibagi dengan jumlah dari nilai bawah  Nilai tengah dibagi dengan jumlah dari nilai tengah semua kriteria/alternatif. Bila semua hirarkhi menggunakan TFN fuzzy AHP, maka proses tersebut diterapkan pada semua hirarkhi. 2.11 Quality Function Deployment (QFD) Stevenson (1996) menjelaskan bahwa quality function deployment (QFD) merupakan pendekatan terstruktur unuk mengintegrasikan “voice of customer” ke dalam proses pengembangan produk., QFD juga dapat diartikan sebagai suatu alat perencanaan yang digunakan untuk memenuhi harapan pelanggan (Besterfiled, 1995). Visualisasi teknik ini digambarkan dalam suatu rumah kualitas seperti pada gambar di bawah ini. Gambar 11 Rumah Kualitas (Stevenson 1996) 37 Keterangan : Customer requirements : Berisi daftar kebutuhan dan keinginan konsumen yang diperoleh dari suara pelanggan melalui wawancara. Pada tahap ini dibutuhkan data mengenai tabel keinginan pelanggan. Dapat terbagi atas primer, sekunder maupun tersier. Design requirements : Berisi bahasa teknis dari perusahaan yang mendeskripsikan mengenai produk atau pelayanan yang direncanakan akan dikembangkan. Biasanya dikembangkan dari keinginan pelanggan. Competitive Assesment : Tingkat kepuasan atau penilaian pelanggan terhadap produk dari perusahaan dan dari pesaing yang sekarang sedang beredar. Relationship matrix : Berisi penilaian dari tim pengembang mengenai tingkat hubungan masing-masing antara keinginan konsumen dengan persyaratan disain Design requirements priorities, specifications or target values Berisi hasil perhitungan berdasarkan tingkat kepentingan konsumen dan matiks hubungan juga berisi mngenai target kemampuan dari persyaratan disain Correlation Matrix Berisi tingkat hubungan dari persyaratan disain Proses QFD memerlukan input data yang bervariasi. Input data ini mempunyai sifat yang kabur dan samar sehingga lebih baik diwakili oleh variabel yang linguistik. Untuk mengimplementasikan QFD yang berbasis data linguistik, proses pemodelan meliputi penggunaan kosep dari variabel linguistik, fuzzy number, fuzzy arithmetic dan defuzzifikasi. Langkah-langkahnya dijelaskan dalam Kwong (2002) sebagai berikut : 1. Inisialisasi (Initialization) Beberapa persoalan dijabarkan pada langkah ini, seperti : memutuskan kegunaan dari penelitian QFD (untuk mendisain produk baru, memperbaiki produk lama ataupun untuk mememangkas biaya), mendefinisikan keuntungan yang diharapkan, menyeleksi produk ataupun jasa yang akan diteliti, membentuk tim QFD. 38 2. Identifikasi data linguistik (Identification of linguistic data) Anggota tim QFD mengumpulkan kebutuhan dan keinginan konsumen (customer requirements) melalui brainstorming, focus groups, survei dan teknik lainnya. Setelah kebutuhan dan keinginan konsumen berhasil diidentifikasikan dan dikembangkan maka konsumen diminta untuk membuat keputusan mengenai tingkat kepentingan dari tiap-tiap cutomer requirements tersebut. Selain itu, tim QFD juga perlu mengidentifikasi mengenai karakteristik teknik yang mendukung customer requirements tersebut. Setelah karakteristik teknik berhasil dibangun, maka langkah selanjutnya adalah mengidentifikasi hubungan antara karakterisitk teknik dengan keinginan konsumen. Perbedaan antara QFD tradisional dengan model ini adalah data diungkapkan dan diwakili dalam bentuk variabel lingistik, bukan angka crisp. Contohnya untuk tingkat kepentingan konsumen yang biasanya menggunakan skala likert dari 1 sampai 5 dimana 1 menunjukkan atribut tersebut sangat tidak penting dan 5 menunjukkan bahwa atribut tersebut sangat penting dan juga untuk hubungan antara karakterisitk teknik dan atribut yang biasanya diidentifasikan dengan tidak ada hubungan, hubungan lemah, sedang dan kuat. Kedua data (yang berupa angka crisp) ini akan diubah menjadi angka fuzzy. 3. Fuzzifikasi data (Fuzzification of input data) Pada langkah ini input data akan diubah menjadi angka fuzzy. Seperti yang sudah dijelaskan, input data yang diubah menjadi angka fuzzy adalah tingkat kepentingan konsumen dan hubungan antara karakteristik teknik dengan keinginan konsumen. Triangular Fuzzy Number (TFN) digunakan dan semua fungsi keanggotaan untuk input data distandarisasi dalam interval [0,1]. 4. Penerapan fuzzy aritmatik (Applying fuzzy arithmetic) Pada langkah ini, fuzzy aritmatik diterapkan untuk menghitung prioritas dari karakteristik teknik. Prioritas ini adalah hasil dari QFD. Prioritas karakteristik teknik ini akan membimbing proses pengambilan keputusan para pengguna 39 QFD, pengalokasian sumber daya dan fase QFD selanjutnya. Penjumlahan dan perkalian fuzzy number akan digunakan untuk menghitung prioritas karakteristik teknik. Untuk mendapatkan prioritas dari tiap karakterisitk teknik, maka langkah yang perlu dilakukan adalah mengalikan kekuatan hubungan (relationship strength) dengan tingkat kepentingan atribut (importance customer) kemudian menjumlahkan semua hubungan hasil perkalian tersebut. Kedua variabel linguistik tersebut dapat kita definisikan sebagai : I = “IMPORTANCE” untuk tingkat kepentingan konsumen C = “CORRELATION” untuk hubungan antara kebutuhan konsumen dengan karakterisitk teknik Sehingga proses aritmatik dapat dirumuskan sebagai berikut : W j = (C 1j ⊗ I 1 ) ⊕ (C 2j ⊗ I 2 ) ⊕ ….. ⊕ (C nj ⊗ I n ); ∀ j ε {1, 2, 3, …,m} 5. Defuzzifikasi data (defuzzification of output data) Jika prioritas teknik fuzzy diperlukan maka step 4 ini akan dilewati dan proses dilanjutkan ke langkah 5. Tapi bila angka crisp yang diperlukan maka prioritas karakteristik teknik yang berhasil didapat (berupa angka fuzzy) perlu mengalami proses defuzzifikasi terlebih dahulu untuk merubahnya menjadi angka crisp. Proses defuzzifikasi ini ada beberapa macam. Diantaranya adalah Centroid Methods. Metode centroid ini menghitung center of gravity (COG) dari area dibawah fungsi keanggotaan µ A (x) dimana x* berarti nilai defuzzifikasi dari fuzzy set A. 6. Downstream QFD activities Dua situasi yang akan terjadi pada tahap ini. Situasi pertama adalah HOQ sebagai satu-satunya fase yang digunakan dalam proses QFD. Dalam situasi ini dihasilkan interpretasi dari informasi yang diberikan oleh HOQ. Situasi lainnya adalah HOQ merupakan fase pertama dimana pengembangan part, perencanaan proses dan produksi dimasukkan ke dalam kegiatan yang berurutan. Model ini didasarkan pada HOQ sebagai fase pertama dari QFD. 40 Fase kedua QFD memetakan karakteristik teknis produk ke dalam karakteristik proses. Gambar 12 Model SECI dan Konversi QFD dari Pengetahuan Tacit ke Eksplisit (Akao, 2003) Dalam konteks keterkaitan QFD dengan manajemen pengetahuan dan model SECI dijelaskan oleh Yoji A (2002). FMEA disebutkan merupakan bagian dari proses eksternalisasi atau pengubahan pengetahuan tacit menjadi explicit seperti dapat dilihat pada Gambar 12. 2.12 Failure Mode and Effect Analysis (FMEA) Failure Mode and Effect Analysis (FMEA) adalah sebuah teknik analisis yang mengkombinasikan antara teknologi dan pengalaman dari orang dalam mengidentifikasi penyebab kegagalan dari produk atau proses dan perencanaan untuk penghilangan penyebab kegagalannya (Besterfield, 2004). Dengan kata lain FMEA dapat dijelaskan sebagai sebuah kelompok aktifitas yang meliputi: 41 • Mengenali dan mengevaluasi kegagalan dari produk atau proses dan efek yang ditimbulkan. • Mengidentifikasi tindakan yang dapat mengeliminasi atau mengurangi kemungkinan kegagalan • Mendokumentasikan proses Ada beberapa macam tipe FMEA, tetapi secara garis besar dapat dikelompokkan menjadi dua kategori FMEA yaitu: • Design FMEA (DFMEA) Desain FMEA lebih kepada aktifitas untuk mendeteksi potensial kegagalan pada fase produk desain. Desain FMEA adalah sebuah prosedur untuk mengidentifikasi apakah bahan baku yang digunakan adalah bahan baku yang tepat, sesuai dengan yang diharapkan konsumen. Desain FMEA memperhatikan keutuhan dari penggabungan komponen-komponen dan efek interaksi dari fungsi produk. • Process FMEA (PFMEA) Proses FMEA adalah aktivitas untuk mendeteksi atau mengevaluasi kegagalan pada proses manufaktur. Proses FMEA berhubungan dengan proses manufaktur dan atau proses perakitan. Hal-hal yang harus diidentifikasi dalam Proses FMEA adalah: 1. Fungsi proses Merupakan gambaran dari proses produksi yang akan dianalisa beserta dengan penjelasan secara singkat fungsi dari proses tersebut. Jika prosesnya ada beberapa operasi dengan potensi kegagalan yang berbeda, daftarkan operasi sebagai proses terpisah. 2. Jenis kegagalan yang terjadi Potensi kegagalan proses yang diidentifikasi adalah proses yang terjadi gagal dalam memenuhi persyaratan proses. Gunakan pengalaman proses yang sama untuk mengevaluasi keluhan pelanggan sehubungan dengan 42 komponen yang sama. Asumsikan bahwa material yang masuk sudah baik. 3. Efek dari kegagalan yang terjadi Akibat yang ditimbulkan dari kegagalan yang terjadi terhadap konsumen maupun efek terhadap kelangsungan proses selanjutnya. 4. Severity Nilai tingkat keparahan dari akibat yang ditimbulkan terhadap konsumen maupun terhadap kelangsungan proses selanjutnya yang secara tidak langsung juga merugikan. Terdiri dari rating dari 1 – 10. Makin parah efek yang ditimbulkan, makin tinggi nilai rating yang diberikan. 5. Penyebab kegagalan Penyebab kegagalan kegagalan-kegagalan didefinisikan pada proses sebagai tersebut penjelasan bisa terjadi. mengapa Setiap kemungkinan penyebab kegagalan yang terjadi didaftarkan dengan lengkap. 6. Occurance Seberapa sering kemungkinan penyebab kegagalan terjadi. Nilai occurance ini diberikan untuk setiap penyebab kegagalan. Terdiri dari rating dari 1 – 10. Makin sering penyebab kegagalan terjadi, makin tinggi nilai rating yang diberikan. 7. Kontrol yang dilakukan: Kontrol yang dilakukan untuk mendeteksi penyebab kegagalan yang terjadi. 8. Detectability Seberapa jauh penyebab kegagalan dapat dideteksi. Terdiri dari rating dari 1 – 10. Makin sulit mendeteksi penyebab kegagalan yang terjadi, makin tinggi nilai rating yang diberikan. Risk Priority Number (RPN) merupakan perkalian dari rating occurrence (O), severity (S) dan detectability (D) : 43 RPN = O x S x D Angka ini seharusnya digunakan sebagai panduan untuk mengetahui masalah yang paling serius, dengan indikasi angka yang paling tinggi memerlukan prioritas penanganan serius Aplikasi fuzzy FMEA dijelaskan dalam Puente (2002). Input yang berupa nilai severity, occurance, dan detactability ini terdiri dari 5 kelas (kategori) yaitu: • Very Low (VL) • Low (L) • Moderate (M) • High (H) • Very High (VH) Output yang berupa nilai Fuzzy RPN (FRPN) ini terdiri dari 8 kelas (kategori) yaitu: • Very Low (VL) • Very Low – Low (VL-L) • Low (L) • Low Moderate (L-M) • Moderate (M) • Moderate High (M-H) • High (H) • High – Very High (V-VH) • Very High (VH) Tahap selanjutnya yaitu mengevaluasi input dengan aturan-aturan fuzzy. If-then rules yang digunakan mengacu pada matriks di Gambar 13, sehingga didapatkan 125 rules. 44 Gambar 13 Matriks Fuzzy FMEA Rules (Puente et al. 2002) Gambar 14 Keterkaitan FMEA dalam Model SECI (Arendt, 2008) Dalam konteks keterkaitan FMEA dengan manajemen pengetahuan dan model SECI dijelaskan oleh Arendt M (2008). FMEA disebutkan merupakan 45 bagian dari proses eksternalisasi atau pengubahan pengetahuan tacit menjadi explisit. 2.13 Penelitian Terdahulu Beberapa penelitian tentang manajemen pengetahuan dalam suatu industri atau klaster industri antara lain telah dilakukan Van Horne, Frayret dan Poulin (2005), Sureephong (2007) serta Chen dan Xiangzhen (2010) seperti dapat dilihat pada Tabel 3. Penelitian Van Horne et al. (2005) menghasilkan suatu model manajemen pengetahuan untuk mengelola pengetahuan pada industri kehutanan di Kanada dengan perguruan tinggi dan pusat penelitian bertindak sebagai aktor utama. Penelitian Sureephong (2007) menghasilkan suatu model sistem manajemen pengetahuan untuk mengelola pengetahuan pemasaran ekspor pada klaster industri keramik skala kecil dan menengah di Thailand dengan aktor utama adalah asosiasi industri keramik. Penelitian Chen dan Xiangzhen (2010) menghasilkan suatu model sistem manajemen pengetahuan untuk memajukan kompetensi inti pada klaster industri. Namun demikian model manajemen pengetahuan pada beberapa penelitian terdahulu tersebut belum terkait dengan pemilihan inisiatif strategi pengembangan klaster serta strategi manajemen pengetahuan untuk mendukung strategi pengembangan klaster. Posisi penelitian dapat dilihat pada Gambar 15. Zack (1999) membuat suatu model strategi pengetahuan yang menghubungkan pengetahuan dengan strategi. Strategi pengetahuan dimaksudkan untuk mengidentifikasi pengetahuan apa yang sesungguhnya dibutuhkan perusahaan setelah menganalisa lingkungan eksternal dan internalnya. Selanjutnya ditentukan cara bagaimana memenuhi kesenjangan dalam pengetahuan. Carpinetti (2008) membuat suatu penelitian mengenai kinerja klaster menggunakan model yang dikembangkan dari model Balanced scorecard tersebut berdasarkan empat perspektif untuk mengukur kinerja suatu klaster industri yaitu Kinerja Perusahaan, Hasil Sosial/Ekonomi, Efisiensi Kolektif dan Modal Sosial. Adapun tujuan-tujuan strategis dalam kinerja perusahaan adalah peningkatan pasar, peningkatan produktivitas, penurunan biaya, dan peningkatan keuntungan. Tujuan-tujuan strategis dalam perspektif hasil sosial/ekonomi adalah peningkatan lapangan 46 pekerjaan, dan peningkatan ketersediaan tenaga kerja terspesialisasi. Tujuantujuan strategis dalam efesiensi kolektif adalah penurunan biaya transaksi, dan peningkatan kerjasama. Tujuan-tujuan strategis dalam perspektif modal sosial adalah peningkatan jumlah anggota klaster yang terlibat dalam kerjasama. Quesada (2007) membuat suatu model pemilihan proses bisnis kunci dengan kriteria tujuan strategis suatu perusahaan yang ditetapkan menggunakan model Balanced scorecard. Selanjutnya penelitian Scholl (2007) dan Carrion (2006) menyatakan pentingnya inisiatif manajemen pengetahuan yang lebih berorientasi pada proses bisnis. Salah satu kunci sukses dalam inisiatif manajemen pengetahuan adalah selektif dalam memilih area pengetahuan yang akan dikelola. Nicolas (2004) melalukan survai mengenai strategi manajemen pengetahuan yang paling banyak digunakan diantaranya adalah strategi pendekatan proses (kodifikasi), pendekatan praktek (personalisasi) serta sosialisasi (kombinasi). Pendekatan proses berusaha melakukan kodifikasi pengetahuan organisasional melalui kendali formal dan teknologi seperti intranet, data warehousing, repositori pengetahuan, peranti pendukung keputusan dan groupware. Pendekatan ini disebut juga strategi manajemen pengetahuan teknologikal. Pendekatan praktek berasumsi bahwa banyak pengetahuan organisasional bersifat tersembunyi dan kontrol formal, proses dan teknologi tidak cocok untuk mentransmisi jenis pemahaman ini. Pendekatan ini dilakukan kebanyakan melalui kontak pribadi ke pribadi. Sedangkan strategi sosialisasi menggabungkan kedua strategi sebelumnya yaitu teknologikal dan personalisasi. Sosialisasi didisain agar pengetahuan dapat saling dipertukarkan melalui interaksi satu sama lain dalam suatu komunitas pengetahuan atau kelompok orang yang bergerak dalam pengetahuan yang sama serta juga mengumpulkan pengetahuan. Hasil penelitian Nicolas (2004) menunjukkan bahwa strategi sosialisasi paling banyak digunakan. Wu (2007) melakukan penelitian mengenai pemilihan strategi manajemen pengetahuan menggunakan teknik ANP. Kriteria yang digunakan adalah dukungan pemerintah, komunikasi, biaya, budaya dan orang, insentif serta waktu. Sebagai alternatif adalah strategi kodifikasi, personalisasi dan kombinasi. 47 Tabel 3. Penelitian terdahulu mengenai manajemen pengetahuan dan klaster industri No 1 Peneliti Van Horne et al. (2005) Penelitian Metode Penelitian ini mengkaji bahwa untuk menghadapi Literature tantangan dalam ekonomi berbasis pengetahuan, Review perusahaan perhutanan harus peduli tentang bagaimana pengetahuan dikreasi dan disebarluaskan. Terdapat beberapa pusat kepakaran kehutanan di dunia. Peran dari pusat kepakaran ini tidak hanya kreasi informasi dan pengetahuan tetapi juga secara efisien mendiseminasi temuannya pada industri. Studi kasus dilakukan pada industri kehutanan di Kanada dengan perguruan tinggi dan pusat penelitian bertindak sebagai aktor utama. 2 Sureephong Menghasilkan suatu model sistem manajemen (2007) pengetahuan untuk mengelola pengetahuan pemasaran ekspor pada klaster industri keramik skala kecil dan menengah di Thailand dengan aktor utama adalah asosiasi industri keramik. Sistem manajemen pengetahuan Peta pengetahuan CommonKADS methodology Penelitian ini menghasilkan kesimpulan bahwa Literature cara yang penting untuk membuat kompetensi Review klaster berkelanjutan adalah dengan transfer dan berbagi pengetahuan, membuat inovasi dalam klaster, menyerap pengetahuan dari luar serta menciptakan kapabilitas inovasi yang unik dan berbeda dari klaster lain. Menghasilkan suatu model sistem manajemen Sistem pengetahuan untuk memajukan kompetensi inti manajemen pada klaster industri. pengetahuan expert systems data mining system Penelitian ini dilakukan pada klaster elastomer di Metode survey Sinos Valley, Rio Grande do Sul Brazil dan Analisis menghasilkan kesimpulan bahwa pusat penelitian Statistik merupakan pusat pengetahuan teknikal dalam pengembangan produk perusahaan. Perusahaan mengirimkan teknisinya untuk bertukar pengetahuan dengan pusat penelitian ini dalam suatu communities of practices Perancangan model manajemen pengetahuan pada FAHP, FFMEA, klaster industri barang jadi lateks di Jawa Barat FQFD, Sistem Pakar, Sistem dan Banten Manajemen Pengetahuan 3 Yang dan Wang (2008) 4 Chen dan Xiangzhen (2010). 5 Ferasso et al. (2010) 6 Penelitian ini 48 49 3 METODE PENELITIAN 3.1 Kerangka Pemikiran Konseptual Terkonsentrasinya beberapa perusahaan yang saling terkait dalam suatu geografis tertentu diharapkan akan memudahkan terjadinya kerjasama, efisiensi ekonomi serta perencanaan kebijakan dan penyediaan sarana dan prasarana. Beberapa penelitian menegaskan bahawa salah satu faktor kunci sukses pengembangan klaster adalah adanya aliran formal dan informal dari pengetahuan yang didapatkan dari hubungan antar anggota klaster (DTI, 2005; Sureephong, 2007). Kerja sama antar perusahaan dalam bentuk klaster industri memberi kesempatan tumbuhnya ruang belajar secara kolektif dimana terjadi proses berbagi pengetahuan (knowledge sharing) dalam suatu usaha kolektif untuk meningkatkan kualitas produk dan perluasan pasar. Rancang bangun model manajemen pengetahuan untuk pengembangan klaster agroindustri barang jadi lateks di Jawa Barat dan Banten terbagi menjadi tiga bagian yaitu model sistem pendukung keputusan strategi pengetahuan yang terbagi atas strategi pengembangan klaster dan manajemen pengetahuan serta strategi kodifikasi pengetahuan serta model sistem manajemen pengetahuan dalam bentuk portal manajemen pengetahuan. Pengetahuan yang dikelola dalam manajemen pengetahuan haruslah pengetahuan yang paling terkait dengan tujuan strategis pengembangan klaster industri itu sendiri. Proses identifikasi pengetahuan tersebut dikemas dalam suatu model strategi pengetahuan. Model ini diawali dengan identifikasi aktor utama, perspektif pengembangan klaster, tujuan strategis pengembangan klaster serta inisiatif strategi dalam klaster menggunakan model yang dikembangkan dari model Balanced Scorecard. Model strategi ini juga dikembangkan dari model strategi pengetahuan oleh Zack (1999) yang menyatakan bahwa strategi pengetahuan harus selaras dengan strategi bisnis suatu perusahaan. Berdasarkan area pengetahuan terkait tersebut serta aktor utama strategi klaster kemudian dilakukan analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci. Kesenjangan pengetahuan yang terjadi serta area pengetahuan kunci kemudian dikelola dalam suatu model strategi manajemen pengetahuan. 50 Strategi manajemen pengetahuan ini bertujuan untuk memandu dan mendefinisikan strategi, proses akuisisi pengetahuan dan kelembagaan untuk mengelola pengetahuan dalam klaster industri. Secara utuh kerangka pemikiran penelitian dapat dilihat pada Gambar 16. • • • • • • Perumusan Tujuan : Merancang model pemilihan strategi pengembangan klaster berbasis pengetahuan Merancang model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci Merancang model pemilihan strategi manajemen pengetahuan Merancang model kodifikasi pengetahuan disain proses Merancang model kodifikasi pengetahuan kegagalan proses Merancang portal manajemen pengetahuan untuk memfasilitasi proses berbagi pengetahuan dalam klaster • • • • • • • • Kajian Pustaka : Klaster industri Manajemen pengetahuan Strategi pengetahuan Strategi manajemen pengetahuan Sistem manajemen pengetahuan Sistem pendukung keputusan Teknologi proses barang jadi lateks Metode dan model yang mendukung MODEL MANAJEMEN PENGETAHUAN Perumusan SPK Strategi Pengetahuan Strategi Pengembangan Klaster dan Area Pengetahuan Terkait (Fuzzy AHP) Analisis Kesenjangan Pengetahuan (Logika Fuzzy) Berbagi Pengetahuan Strategi Pengetahuan Pengetahuan Disain Proses (FQFD) Portal Pengetahuan (Sistem Manajemen Pengetahuan) Pengetahuan Kegagalan Proses (FFMEA) Taksonomi Pengetahuan Berbagi Artikel Strategi Manajemen Pengetahuan (Fuzzy AHP) Sistem Pakar Produk Unggulan (FAHP) Model Manajemen Pengetahuan untuk Pengembangan Klaster Industri Barang Jadi Lateks di Jawa Barat dan Banten Cari Pakar Forum Verifikasi dan Validasi Gambar 16 Kerangka pemikiran penelitian 3.2 Tahapan Penelitian Tahapan penelitian diawali dengan analisis sistem yang terdiri atas analisis situasional, analisis kebutuhan dan identifikasi sistem serta kajian pustaka yang relevan dengan topik yang diteliti. Analisis situasional atau analisis kewilayahan dalam suatu klaster industri dinilai penting karena memang definisi klaster itu sendiri adalah konsentrasi geografis dari perusahaan-perusahaan yang saling 51 terhubungkan, pemasok-pemasok, penyedia jasa, perusahaan-perusahaan dalam industri terkait serta institusi lain (perguruan tinggi, badan standarisasi, asosiasi dagang) dalam suatu lapangan usaha tertentu yang saling bersaing tetapi juga bekerja sama (Porter, 1998). Analisis kemudian dilanjutkan dengan analisis kebutuhan para aktor atau pihak yang berkepentingan dalam klaster indusri barang jadi lateks serta formulasi permasalahannya.. Secara utuh tahapan penelitian dapat dilihat pada Gambar 17. 3.3 Metode Pengumpulan Data Pengumpulan data penelitian berdasarkan pada kebutuhan sistem yang dilakukan melalui studi pustaka dan survai lapang. Survai lapang lebih difokuskan pada pendapat pakar (expert survey) dengan wawancara yang mendalam (in-depth interview), pengisian kuesioner dan observasi lapang. Data dikumpulkan secara sengaja (purposive sampling) dari beberapa pelaku sistem antara lain staf Dinas Industri dan Perdagangan Jawa Barat, staf peneliti pada Badan Penelitian dan Teknologi Karet Bogor serta praktisi industri terkait. Jenis data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer antara lain berupa pendapat pakar mengenai strategi pengetahuan, pemilihan strategi manajemen pengetahuan serta hasil akuisisi pengetahuan kunci. 3.4 Teknik Pengolahan Data Data yang telah dikumpulkan baik primer maupun sekunder diolah dengan menggunakan dengan berbagai alat analisis sesuai dengan tujuan analisis. Model strategi pengetahuan dan model strategi manajemen pengetahuan menggunakan teknik Fuzzy Analystical Hierarchy Process (FAHP). Model analisis kesenjangan pengetahuan menggunakan logika fuzzy. Model kodifikasi pengetahuan disain proses terhadap pengetahuan kunci menggunakan teknik penyebaran fungsi kualitas dengan pendekatan fuzzy atau Fuzzy Quality Function Deployment (FQFD). Model kodifikasi pengetahuan kegagalan proses menggunakan teknik analisis modus kegagalan dan akibat dengan pendekatan fuzzy atau Fuzzy Failure Mode and Effect Analysis (FFMEA) dan sistem pakar. Area pengetahuan kunci 52 untuk keperluan portal pengetahuan menggunakan teknik taksonomi pengetahuan dan peta pengetahuan. Mulai Analisis sistem : pemetaan Klaster, analisis kebutuhan dan diagam input output Kajian pustaka yang relevan Perancangan Model SPK : Model Pemilihan Strategi Pengembangan Klaster Berbasis Pengetahuan Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci Model Pemilihan Strategi Manajemen Pengetahuan Model Kodifikasi Pengetahuan Disain Proses Model Kodifikasi Pengetahuan Kegagalan Proses Perancangan kuesioner Pembuatan program komputer Pengumpulan data Pengolahan data Analisis Perancangan Model Sistem Manajemen Pengetahuan Implikasi Model Selesai : Model Manajemen Pengetahuan untuk Pengembangan Klaster Agroindustri Barang Jadi Lateks Gambar 17 Tahapan Penelitian 3.5 Lokasi dan Waktu Penelitian Penelitian dilakukan di beberapa wilayah yaitu perkebunan karet dan pabrik lateks pekat di di Purwakarta serta beberapa pabrik barang jadi lateks di Jawa Barat dan Banten. Penelitian juga dilakukan di Balai Penelitian Teknologi 53 Karet Bogor untuk keperluan akuisisi dan kodifikasi pengetahuan kunci. Penelitian dilakukan pada bulan September 2007 sampai dengan Oktober 2010. 4 ANALISIS SISTEM 4.1 Struktur Pasar Barang Jadi Karet dan Produsen Barang Jadi Lateks Secara umum struktur pasar dunia berbasis karet didominasi oleh karet padat terutama berasal dari ban. Produks lateks hanya menyumbang 8 % sebagaimana dapat dilihat pada Gambar 18. Engineering 8% Footw ear 5% Other Adhesives 3% 8% Latex products 8% Tyres 68% Gambar 18 Struktur pasar barang jadi karet dunia (ISO 2004) Malaysia merupakan produsen dan eksportir terbesar produk barang jadi lateks seperti kateter (catheters), benang lateks (latex threads) dan sarung tangan bedah dari karet alam (natural rubber medical gloves) yang mensuplai 80 % pasar dunia untuk kateter, 70 % untuk benang lateks dan 60 % untuk sarung tangan bedah (www.mida.gov.my). Khusus untuk produk sarung tangan, data yang dimiliki oleh Indonesian Rubber Glove Manufacturers Association (IRGMA) pada tahun 2005 menunjukkan bahwa produksi sarung tangan Indonesia masih jauh tertinggal dibandingkan Malaysia dan Thailand seperti dapat dilihat pada Tabel 4. 54 Tabel 4 Produksi dari tiga negara pemain utama sarung tangan lateks Negara Produksi (Ton) Produksi (000) Global (%) Malaysia 374432.9 48676271.9 54.4 Thailand 147295.3 19148386.4 21.4 Indonesia 60563.2 7873216 9.2 Lain-lain 103244.4 13421766.2 15 Total 688295.7 89478441 100 Sumber : IRGMA (2005) Sedangkan jumlah perusahaan sarung tangan karet yang menjadi anggota Indonesian Rubber Glove Manufacturers Association (IRGMA) sebanyak 13 perusahaan seperti dapat dilihat pada Tabel 5. Tabel 5 Agroindustri sarung tangan lateks (anggota Indonesian Rubber Glove Manufacturers Association / IRGMA) No Perusahaan Alamat 1 PT Arista Latindo Industrial Ltd PT Abbergummi Medical PT Delta Waru Rubber Industry PT Latexindo Tobaperkasa PT WRP Buana Multicorpora PT Gotong Royong Jaya PT Medi Safe Technologies PT Shamrock Manufacturing Corp PT Intan Hevea Industry PT Indorub Nusaraya PT Healthcare Glovindo PT Saptindo Surgica Jl. Hang Tuah No. 23 Jakarta 12120 2 3 4 5 6 7 8 9 10 11 12 13 PT Mandiri Inti Buana Sumber : IRGMA (2005) Comp. Delta Sari Blok AA/4 Waru, Sidoarjo Jl. Brigjen Katamso No.2, Sidoarjo 61256 Jl. Medan-Binjai Km.11 Deli Serdang, Sum-Utara Jl. Jermal 20B Medan-Labuan Km.17- Medan Jl. Hindu No.33, Medan Sumatera Utara Jl. Batang Kuis Gg Tambak Rejo, Desa Buntu Bedimbar Tg. Morawa, Sumut Jl. Pemuda No. 11 Medan 20234 Jl. Yos Sudarso Km. 10,5 Desa Mabar, Medan 20242 Jl. Semarang No. 105 / 16, Medan 20212 Jl. Yos Sudarso Km. 10, KIM (Jl. Ternate), Medan Jl. Raya Serang Km.65 Serang 42186 Jl. Sie Belumai, Desa Dalu XA Dusun 1 Tg. Morawa Medan 20362 Sumut 55 Menurut Siswanto, Suharyanto dan Syamsu (2003) jumlah industri barang jadi lateks di Indonesia sebanyak ± 73 perusahaan yang memproduksi antara lain: sarung tangan, rubber thread, kondom, balon, teat, dan rubber foam. Jumlah perusahaan produksi sarung tangan yang sebelumnya sebanyak lebih dari 70 perusahaan, kini hanya tinggal kurang lebih 47 perusahaan yang sebagian besar berada di wilayah Jabotabek. Jenis dan kapasitas produksi dari Industri barang jadi lateks di Indonesia tercantum pada Tabel 6. Penurunan jumlah industri barang jadi lateks tidak terlepas dari adanya persyaratan yang ketat menurut standard internasional ASTM (American Society for Testing and Materials) dan FDA (Food and Drug Administration) yang harus dipenuhi oleh pihak produsen (industri barang jadi nasional). Tabel 6 Jenis dan kapasitas produksi dari industri barang jadi lateks di Indonesia Jenis produk lateks Sarung tangan Jumlah Perusahaan 47 Kapasitas produksi 54.054 ton Rubber thread 4 13.442 ton 309 Kondom 4 147 juta pcs 250 Balon 4 nd nd Teat 4 nd 50 Rubber foam 10 10.000 ton 1100 Jumlah tenaga kerja 9.609 Sumber : Siswanto, Suharyanto dan Syamsu (2003) 4.2. Pola Sebaran Tenaga Kerja Industri Hilir Karet pada Beberapa Propinsi Pola sebaran tenaga kerja dengan pada wilayah yang memiliki potensi untuk menjadi klaster industri barang jadi lateks menggunakan teknik analisis korespondensi. Penelitian pola sebaran dibatasi pada 3 kategori barang jadi karet, yaitu barang jadi lateks (BJL), barang jadi karet untuk industri (BJKI) dan barang jadi karet umum (BJKU) dengan 3 wilayah analisis yaitu Sumatera Utara, Jawa Barat dan Banten. 56 Tabel 7 Jumlah Tenaga Kerja Berdasarkan Kategori Barang Jadi Karet dan Propinsi Indonesia Jabar Sumut Banten 15662 1356 8792 1855 1036 246 209 377 11390 8485 106 1159 UKM BJKI 1632 926 106 167 BJKU 7480 165 395 115 UKM BJKU 1074 165 92 115 34532 10006 9293 3129 3742 1337 407 659 BJL UKM BJL BJKI TOTAL UKM TOTAL Sumber : BPS (2008), diolah Symmetric Plot BJKU Jatim Component 2 1.0 0.5 BJKI Jab ar 0.0 Ban ten -0.5 BJL Su mu t -1.0 -1.0 -0.5 0.0 0.5 1.0 Component 1 Gambar 19. Plot Konsentrasi Tenaga Kerja Berdasarkan Propinsi dan Kelompok BJK Berdasarkan Tabel 7 di atas dapat diketahui bahwa jumlah tenaga kerja di pabrik barang jadi lateks di Indonesia sebesar 15.662 pekerja dimana sebagian besar terkonsentrasi pada tiga propinsi yaitu Jawa Barat, Banten dan Sumatera Utara dengan persentase 76,64 %. Sumatera Utara menempati porsi terbesar sebesar 56,14% diikuti Banten dan Jawa Barat. Sedangkan untuk level UKM pada Tabel 7 tersebut terlihat pada Banten dan Jawa Barat memiliki jumlah pekerja 57 yang lebih besar dibandingkan Sumatera Utara. Berdasarkan teknik analisis peubah ganda dengan analisis korespondensi didapatkan hasil bahwa Sumatera Utara dan Banten didominasi oleh industri BJL, Jawa Barat lebih didominasi oleh agroindustri BJKI dan Jatim oleh BJKU untuk skala industri secara umum (Gambar 19). Sedangkan untuk kategori industri skala UKM maka propinsi Banten lebih mendekati kepada Industri berbasis lateks seperti dapat dilihat pada Gambar 20. Symmetr ic Plot 0.50 Component 2 0.25 Su mu t UKM BJKU Jab ar BJKI UKM BJL 0.00 UKM Ban ten - 0.25 - 0.50 - 0.50 - 0.25 0.00 0.25 0.50 Component 1 Gambar 20. Plot Konsentrasi Tenaga Kerja Berdasarkan Propinsi dan Kelompok BJK Skala UKM 4.3. Pemetaan Klaster Industri Barang Jadi Lateks di Jawa Barat dan Banten Perusahaan barang jadi lateks di wilayah propinsi Banten didominasi oleh industri berskala kecil dan menengah yang memproduksi barang jadi lateks. Selain itu posisi lembaga pendukung atau lembaga penelitian seperti BPTK Bogor dan IPB di Jawa Barat adanya beberapa industri berskala kecil atau rumah tangga di sekitar Bogor Jawa Barat maka penelitian klaster difokuskan pada Jawa Barat dan Banten. Industri barang jadi lateks yang lebih didominasi oleh jenis barang celup lateks menjadikan agroindustri ini dapat menjadi industri inti untuk klaster skala kecil dan menengah di wilayah Jawa Barat dan Banten (Gambar 21). 58 Pemerintah Pusat dan Daerah Perkebunan Besar Negara (PBN) Perkebunan Besar Swasta (PBS) Industri Pemasok - Lateks Pekat - PN VIII, Cakrawala, Huma (3 unit usaha) - Bahan Kimia - Gas (PT PGN) - Listrik (PLN) - Cetakan - Permesinan Industri Terkait (Karet busa, benang karet, dan perekat) Industri Inti (barang celup lateks : sarung tangan, balon, peralatan medis) Skala Besar Skala UKM (terkonsentrasi di wilayah Bogor dan Serang) Pemasaran : - Dalam Negeri - Ekspor Lembaga Pendukung : BPTK Bogor, Perguruan Tinggi, Lembaga Keuangan Gambar 21. Pemetaan Klaster Agroindustri Barang Jadi Lateks di Jawa Barat dan Banten Beberapa perusahaan skala besar dalam lingkup industri inti barang celup lateks di wilayah Jawa Barat dan Banten antara lain produsen sarung tangan yaitu PT Arista Latindo di Bogor Jawa Barat dan PT Tata Rubber serta PT Saptindo Surgica di Serang Banten. Produsen kondom yaitu PT Rajawali Banjaran di Bandung dan PT Vonix di Tangerang Banten. Produsen spygmomanometer antara lain PT Dharma Medipro di Serang Banten, PT Sugih Instrumendo di Bandung dan PT Sankeindo di Parung Bogor. Perusahaan skala kecil menengah antara lain PT Laxindo Utama (sarung tangan) di Cikande Serang Banten, CV. Tunggal Jaya Teknindo (komponen peralatan medis dan elektronika) di Cikande Serang Banten, serta beberapa produsen sarung tangan skala kecil dan menengah yang terkonsentrasi di Bogor. Kajian pemetaan klaster industri barang jadi lateks di Jawa Barat dan Banten kemudian dilanjutkan dengan analisis menggunakan model Diamond (Porter 1990). Model ini menyatakan bahwa terdapat empat hal yang membentuk keunggulan bersaing nasional atau suatu regional tertentu yaitu kondisi faktor, kondisi Permintaan, industri terkait dan pendukung serta strategi perusahaan dan persaingan Pasar 59 Kondisi Faktor Barang jadi lateks termasuk barang jadi lateks membutuhkan bahan baku berupa lateks pekat sebagai bahan baku utama. Pabrik barang jadi lateks di wilayah Jawa Barat dan Banten mendapatkan pasokan bahan baku dari PTPN VIII, PTPN IX dan PT. Huma Indah Mekar Lampung. Produksi bahan baku lateks pekat di VIII untuk kebun Jalupang memiliki kapasitas 3-5 ton per hari sedangkan kebun Cikumpay memiliki kapasitas 6 ton perhari. Saat ini sekitar 3-5 ton per hari karena kurang bahan baku lateks kebun. Produksi relatif bervariasi karena saat musim trek (gugur daun) jumlah lateks sedikit terganggu alami. Sedangkan saat musim hujan ekstrim yang tidak bisa diduga (hujan pagi), lateks tidak bisa dikumpulkan. Produksi lateks pekat PTPN VIII sebagian besar dipasok ke pabrik skala besar dan menengah di Jawa Barat. Bagi industri barang jadi lateks skala kecil dan menengah kendala yang sering dihadapi adalah tersendatnya pasokan bahan baku berupa lateks pekat dan bahan kompon (BPTK 2007). Pabriks lateks pekat cenderung melayani ekspor atau pesanan dalam jumlah besar. Industri barang jadi lateks skala kecil menengah sering mengalami kendala dalam pengadaan lateks pekat dalam jumlah yang relatif sedikit. Hal ini diatasi oleh industri skala kecil dengan membeli dari pedagang yang dipasok dari beberapa pabrik di Lampung serta dengan meminjam lateks dari industri sejenis seperti yang terjadi di wilayah Bogor karena terbentuk klaster di sekitar wilayah Bogor Selatan. Faktor sumber daya manusia di wilayah Jawa Barat dan Banten relatif kuat dengan adanya dukungan Balai Penelitian Teknologi Karet di Bogor, B4T di Bandung, serta beberapa perguruan tinggi antara lain seperti IPB, ITB, serta Sekolah Menengah Kimia Analis Bogor. Kondisi permintaan Pada tahun 2009 kebutuhan sarung tangan lateks bertambah terutama di bidang kesehatan. Penambahan kebutuhan ini dipicu oleh merebaknya H1N5 pandemic atau flu burung. Permintaan kebutuhan sarung tangan dari industri kecil juga meningkat ketika terjadi beberapa bencana nasional seperti tsunami atau gunung meletus. Namun industri barang jadi lateks masih dihadapkan pada persoalan resiko keselamatan pengguna yang berkaitan dengan kesehatan (alergi 60 dan kanker) dan dampak pencemaran lingkungan oleh seng yang berasal dari ZnO (BPTK 2007). Industri Terkait dan Pendukung Industri barang celup lateks, perekat lateks, dan karet busa sama-sama menggunakan lateks pekat sebagai bahan bakunya. Oleh karena itu pasokan lateks pekat dari pabrik lateks pekat jarang sekali tidak terserap bahkan beberapa kali beberapa industri mengalami kekurangan sehingga memerlukan pasokan dari Jawa Tengah atau Lampung. Pemasok bahan baku kimia lateks untuk industri kecil berasal dari toko bahan kimia seperti misalnya Toko Indrasari di wilayah Ciawi yang memasok beberapa pabrik kecil di sekitar Bogor. Pasokan skala besar berasal dari agen yang umumnya berasal dari Jakarta. Strategi Perusahaan dan Persaingan Persaingan antar pengusaha kecil barang celup lateks relatif tidak terlalu tinggi karena beberapa pengusaha kecil sudah memiliki jalinan kerjasama dengan industri besar misalnya dalam hal sterilisasi produk sarung tangan atau agen penjual masing-masing. Kerja sama dalam klaster industri barang jadi lateks di Jawa Barat dan Banten juga telah terjadi seperti pada tahun 2009pernah dilakukan kegiatan insentif yang dijembatani oleh pemerintah dimana BPTK Bogor bermitra adalah PT. Sugih Instrumendo Abadi yang berlokasi di Bandung dan PT. Dharma Medipro yang berlokasi di Serang dalam rangka difusi dan penerapan ilmu pengetahuan dan teknologi yang bersifat pengembangan produk seperti pengenalan lateks berprotein rendah (lateks DPNR) sebagai bahan baku untuk memproduksi BJL dengan resiko alergi protein rendah. Penelitian bersama juga pernah dilakukan oleh BATAN dalam rangka pengembangan teknik produk lateks alam iradiasi dengan melibatkan beberapa industri kecil dan menengah di Jawa Barat dan Banten (Marga, 2007). 4.4 Analisis Kebutuhan Analisa kebutuhan merupakan permulaan pengkajian dari suatu sistem. Dalam melakukan analisa kebutuhan ini dinyatakan kebutuhan-kebutuhan yang ada, baru kemudian dilakukan tahap pengembangan terhadap kebutuhan 61 yang dideskripsikan. Terdapat beberapa komponen aktor atau pelaku yang terlibat pada sistem agroindustri barang jadi lateks. Kebutuhan dari masing-masing aktor tersebut tersajikan pada Tabel 8. 4.5 Formulasi Permasalahan Secara umum industri ini menghadapi masalah dalam persyaratan kualitas, tingginya biaya produksi akibat persentase cacat produk yang tinggi serta dan semakin ketatnya persyaratan pasar. Permasalahan kualitas tersebut antara lain berupa masalah sifat fisika produk yang tidak seragam, masalah blooming dan permasalahan kualitas produk lain. Tabel 8. Kebutuhan aktor dalam klaster agroindustri barang jadi lateks Aktor Pengusaha Agroindustri Lateks Pekat Pengusaha Agroindustri Barang Jadi Lateks Pemerintah Lembaga Pendukung (Keuangan, Penelitian) Konsumen Pedagang Kebutuhan Harga bahan olah karet rendah Bahan olah karet bermutu baik Kontinuitas pasakan bahan olah karet terjamin Harga jual lateks pekat tinggi Kelangsungan usaha terjamin Keuntungan yang layak Pengetahuan tentang teknologi lateks protein rendah Harga beli lateks pekat rendah Kualitas lateks pekat baik Lateks pekat berprotein rendah dan bebas karsinogenik Pasokan gas terjamin Pasar yang terjamin Kelangsungan usaha terjamin Keuntungan yang layak, Iklim investasi baik Dukungan pelatihan dan teknologi Meningkatnya daya saing ekspor Meningkatnya jumlah devisa negara Kesejateraan masyarakat meningkat Jumlah industri sarung tangan karet meningkat Meningkatnya kesempatan kerja Kelestarian lingkungan hidup Investasi menguntungkan Kecepatan pengembalian modal Keberhasilan dalam usaha Kerjasama penelitian Aplikasi hasil penelitian Harga produk rendah Mutu baik Produk tidak menyebabkan alergi (kadar protein rendah) Pasokan stabil Marjin keuntungan tinggi 62 Persoalan pasar tidak terlepas dari adanya persyaratan yang ketat menurut standard internasional ASTM (American Society or Testing and Materials) dan FDA (Food and Drug Administration) yang harus dipenuhi oleh pihak produsen antara lain terkait dengan kadar nitrosamine, kadar protein allergen serta bahanbahan yang bersifat karsinogenik dan mencemarkan lingkungan. Pabrik lateks pekat juga mengalami kendala pasokan bahan baku dari kebun yang sangat terbatas. Bahan baku untuk lateks pekat harus memiliki kontaminasi mikroba yang rendah dan kestabilan yang tinggi. 4.6 Identifikasi Sistem Identifikasi sistem bertujuan untuk memberikan gambaran terhadap sistem yang dikaji. Hal ini dapat dilakukan dengan dengan cara menggambarkan sistem yang dikaji dalam bentuk diagram antara lain diagram input-output seperti dapat dilihat pada Gambar 22. Input Lingkungan : 1. Peraturan Pemerintah 2. Kondisi Sosial Ekonomi Masyarakat INPUT TIDAK TERKENDALI : 1. Harga bahan baku lateks pekat 2. Ketersediaan dan kualitas lateks pekat 3. Modal sosial OUTPUT DIKEHENDAKI : 1. Peningkatkan pendapatan unit usaha 2. Peningkatan produktivitas dan kualitas 3. Perluasan kesempatan kerja 4. Peningkatan kemampuan inovasi 5. Peningkatan ketersediaan tenaga kerja terspesialisasi 6. Peningkatan kerjasama dan jumlah anggota klaster 7. Peningkatan konsumsi karet alam MODEL MANAJEMEN PENGETAHUAN PADA KLASTER AGROINDUSTRI BARANG JADI LATEKS INPUT TERKENDALI : 1. Teknologi yang digunakan 2. Program kemitraan OUPUT TIDAK DIKEHENDAKI : 1. Pencemaran lingkungan 2. Biaya produksi tinggi 3. Harga jual rendah MANAJEMEN PENGENDALIAN Gambar 22. Diagram input-output 63 5 PEMODELAN SISTEM 5.1 Konfigurasi Model Model manajemen pengetahuan untuk pengembangan klaster industri barang jadi lateks di Jawa Barat dan Banten dirancang dalam dua program perangkat lunak dalam bentuk sistem pendukung keputusan (SPK) dan sistem manajemen pengetahuan. Sistem pendukung keputusan digunakan dalam perancangan strategi pengetahuan untuk pengembangan klaster dan sistem manajemen pengetahuan dirancang dalam bentuk portal manajemen pengetahuan guna memfasilitasi proses berbagi pengetahuan dalam klaster. Data Sistem Manajemen Data Dat a pendapat pakar dalam pemilihan strategi klast er Dat a pendapat pakar kondisi saat ini dan kebut uhan pengetahuan Dat a pendapat pakar dalam pemilihan strategi manajem en pengetahuan Dat a pendapat pakar kepentingan karakt eristik produk dan hubungan karakt eristik produk dan proses Pengetahuan Sistem Manajemen Basis Pengetahuan Basis aturan fuzzy area kesenjangan pengetahuan Represent asi fuzzy tingkat hubungan karakt eristik produk dan proses Basis aturan fuzzy output resiko FMEA Basis aturan sistem pakar Model Sistem Manajemen Basis Model PengetModelahuan Model Pemiihan Strat egi Pengem bangan Klaster Berbasis Pengetahuan Model Analisis Kesenj angan Pengetahuan dan Penent uan Area Penget ahuan Kunci Model Pemilihan Strat egi Manajem en Penget ahuan Model Kodifikasi Pengetahuan Disain Proses Model Kodifikasi Pengetahuan Kegagalan Proses Sistim Pengolahan Terpusat Sistim Manajemen Dialog Gambar 23 Konfigurasi model sistem pendukung keputusan strategi pengetahuan 64 Sistem pendukung keputusan dirancang menggunakan Visual Basic for Applications (VBA) sebagai bahasa pemrograman untuk produk-produk Microsoft Office (Office), termasuk spreadsheet Microsoft Excel (Excel). Paket program ini memiliki beberapa fasilitas seperti basis data, pemodelan, analisis data, dan antarmuka yang diperlukan untuk mengembangkan SPK (Ragsdale 2001). Portal manajemen pengetahuan dirancang menggunakan paket program Drupal 6. Konfigurasi model SPK secara lengkap dapat dilihat pada Gambar 23. 5.2. Sistem Manajemen Basis Model Sistem ini terdiri atas 5 model yaitu model pemilihan strategi pengembangan klaster dan area pengetahuan terkait, model analisis kesenjangan pengetahuan dan area pengetahuan kunci, model pemilihan strategi manajemen pengetahuan, model kodifikasi pengetahuan disain proses, dan model kodifikasi pengetahuan kegagalan proses. 5.2.1 Model Pemilihan Strategi Pengembangan Klaster dan Area Pengetahuan Terkait Model ini bertujuan untuk menentukan strategi yang paling tepat untuk mengembangkan klaster industri barang jadi lateks skala kecil dan menengah di Jawa Barat dan Banten serta area pengetahuan yang terkait untuk mendukung terlaksananya strategi tersebut. Diagram alir model tersebut dapat dilihat pada Gambar 24. Input dari model adalah berupa hirarki keputusan akan dirancang dan penilaian pakar terhadap perbandingan berpasangan antar kriteria dan alternatif dalam hirarki tersebut. Pengolahan data untuk model pemilihan strategi pengembangan klaster dan area pengetahuan terkait serta model pemilihan strategi manajemen pengetahuan menggunakan teknik Fuzzy Analytical Hierarchy Process (FAHP). 65 Mulai Penyusunan hirarki keputusan strategi pengembangan klaster berbasis pengetahuan Perancangan kuesioner Penilaian setiap kriteria / alternatif menggunakan skala linguistik oleh responden ahli Tidak Pemeriksaan konsistensi Ya Fuzzifikasi menggunakan Trianggular Fuzzy Number (TFN). Agregasi pendapat responden ahli n n n i =1 i =1 i =1 a l = (∏ a li )1 / n ; a m = (∏ a mi )1 / n ; a u = (∏ a u i )1 / n Normalisasi A = ( al , j ∑ i =1 a ui am , j ∑ i =1 a mi au j ∑ i =1 ) a li Defuzzifikasi dengan metode α-cut ~ α α Aα = [ al , au ] = [ (a m − al }α + al ,−( au − a m )α + au ] ~ α a ij = µaiα ju + (1 − µ ) aiα jl , ∀µ ∈ [ 0,1] Bobot aktor, perspektif, tujuan strategis dan strategi pengembangan klaster Selesai Gambar 24 Diagram alir model strategi pengembangan klaster berbasis pengetahuan Tabel 9 menyajikan fuzzifikasi dari skala AHP ke dalam bentuk peubah linguistik yang digunakan dalam penelitian ini yaitu sama penting atau equally (E), sedikit lebih penting atau weakly preferred (W), jelas lebih penting atau 66 strongly (S), sangat jelas lebih penting atau very strongly (VS) dan mutlak lebih penting atau absolutely preferred (A). Tabel 9 Penyajian fuzzy pada skala AHP Lambang Keangotaan Fuzzy Lambang Bawah Tengah Atas E 1 1 3 W 1 3 S 3 VS A Keangotaan Fuzzy Bawah Tengah Atas 1/E 1/3 1 1 5 1/W 1/5 1/3 1 5 7 1/S 1/7 1/5 1/3 5 7 9 1/VS 1/9 1/7 1/5 7 9 9 1/A 1/9 1/9 1/7 Output dari model adalah berupa bobot masing-masing kriteria serta alternatif strategi pengembangan klaster. 5.2.2 Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci Model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci menggunakan teknik analisis kesenjangan pengetahuan dan logika fuzzy. Diagram alir model dapat dilihat pada Gambar 25. Dalam penelitian ini tingkat kebutuhan atau kepentingan area pengetahuan serta kondisi pengetahuan saat ini menggunakan skala interval fuzzy dalam bentuk triangular fuzzy number (TFN) yang dikembangkan dari skala 5 titik (1-5) seperti dapat dilihat pada Tabel 10 dan Tabel 11. 67 Mulai Identifikasi alur proses sebagai area pengetahuan proses Penilaian tingkat kondisi saat ini dan kebutuhan area pengetahuan menggunakan skala linguistik oleh aktor terkait Fuzzifikasi hasil penilaian menggunakan Triangular fuzzy number Perhitungan fuzzy average untuk setiap area pengetahuan n n A javg = n ∑ a , ∑ a ,∑ a i =1 i j1 i =1 i j2 i =1 i j3 n i = 1,..., n(responden) j = 1,..., j (atribut ) Defuzzifikasi VA = Fuzzifikasi matriks kesenjangan pengetahuan menggunakan Trapezoidal Fuzzy Number Pembuatan basis aturan fuzzy a1 + 2a2 + a3 4 Nilai kondisi area pengetahuan saat ini dan kebutuhan area pengetahuan Sistem inferensi fuzzy menggunakan model Takagi Sugeno Defuzzifikasi dengan metode weighted average Area pengetahuan kunci menurut matriks kesenjangan pengetahuan dan matriks kepentingan dan performansi Selesai Gambar 25. Diagram alir model penentuan area pengetahuan kunci 68 Tabel 10. Penyajian fuzzy pada skala kondisi area pengetahuan saat ini menggunakan TFN Keterangan Triangular Fuzzy Number Bawah Tengah Atas Sangat Lemah 0 0 0,2 Lemah 0,05 0,25 0,45 Sedang 0,3 0,5 0,7 Kuat 0,55 0,75 0,95 Sangat Kuat 0,8 1 1 Tabel 11. Penyajian fuzzy pada skala kebutuhan atau kepentingan area pengetahuan saat ini menggunakan TFN Triangular Fuzzy Number Keterangan Bawah Tengah Atas 0 0 0,2 Tidak Penting 0,05 0,25 0,45 Cukup 0,3 0,5 0,7 Penting 0,55 0,75 0,95 Sangat Penting 0,8 1 1 Sangat tidak Kepentingan (Kebutuhan) penting Tinggi Sedang Rendah Stay updated zone Red Alert Zone Red Alert Zone Red Alert Zone Stay updated zone Just do it zone Stay updated zone Just do it zone Just do it zone Lemah Sedang Kondisi Saat Ini Gambar 26. Representasi fuzzy dari matriks kesenjangan pengetahuan Kuat 69 Sedangkan penempatan rata-rata tingkat kebutuhan dan kepentingan ke dalam matriks kesenjangan pengetahuan menggunakan teknik penalaran fuzzy menggunakan metode Sugeno. Penalaran dengan metode Sugeno hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy melainkan berupa konstanta atau persamaan linier. Input tingkat kebutuhan dan kepentingan disusun dalam bentuk trapezoidal fuzzy number seperti dapat dilihat pada Gambar 26. Fuzzifikasi input pada matriks kesenjangan pengetahuan menggunakan tipe trapezoidal fuzzy number seperti dapat dilihat pada Tabel 13 dan Tabel 14. Tabel 12. Penyajian fuzzy pada skala kebutuhan atau kepentingan area pengetahuan saat ini menggunakan Trapezoidal Fuzzy Number Trapezoidal Fuzzy Number Keterangan a1 a2 a3 a4 Rendah 0 0 0,25 0,375 Sedang 0,25 0,375 0,625 0,75 Tinggi 0,625 0,75 1 1 Tabel 13. Penyajian fuzzy pada skala kondisi saat ini area pengetahuan saat ini menggunakan Trapezoidal Fuzzy Number Trapezoidal Fuzzy Number Keterangan a1 a2 a3 a4 Lemah 0 0 0,25 0,375 Sedang 0,25 0,375 0,625 0,75 Kuat 0,625 0,75 1 1 Kategori Rendah (Lemah) memiliki tipe kurva trapesium, sehingga fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 0; 0; 0,25; 0,375) = 0 ; x≤0 1 ; 0 ≤ x ≤ 0,25 -8x + 3 ; 0,25 ≤ x ≤ 0,375 0 ; x ≥ 0,375 70 Kategori Sedang memiliki tipe kurva trapesium, sehingga fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 0,25; 0,375; 0,625; 0,75) = 0 ; x ≤ 0,25 8x - 2 ; 0,25 ≤ x ≤ 0,375 1 ; 0,375 ≤ x ≤ 0,625 -8x + 6 ; 0,625 ≤ x ≤ 0, 75 0 ; x ≥ 0, 75 Kategori Tinggi (Kuat) memiliki tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 0; 0; 0,25; 0,375) = 0 ; x ≤ 0,625 8x - 5 ; 0,625 ≤ x ≤ 0,75 1 ; 0,75 ≤ x ≤ 1 0 ; x≥1 5.2.3 Model Pemilihan Strategi Manajemen Pengetahuan Model pemilihan strategi manajemen pengetahuan seperti tergambarkan dalam Gambar 27 bertujuan untuk menentukan strategi manajemen pengetahuan yang paling tepat untuk mengelola area pengetahuan kunci serta mengurangi kesenjangan pengetahuan yang didapatkan dari model analisis kesenjangan pengetahuan. Seperti halnya model strategi klaster yang menggunakan teknik yang sama yaitu FAHP maka input dari model adalah hirarki keputusan pemilihan strategi yang berisi kriteria dan alternatif. Jumlah pakar yang memberikan penilaian dirancang sebanyak tiga orang pakar yaitu Dr. Uhendi Haris dari BPTK, Ibu Hani Yuhani dari Dinas Indag Jawa Barat serta Ir. Danny Hendrianto dari Ditjen Agro dan Kimia Kemenprin. Proses perhitungan FAHP menggunakan pendekatan dari Murtaza (2003) serta defuzzifikasi menggunakan pendekatan dari Fu et al. (2006) dengan menggunakan pendekatan α-cut. 71 Mulai Penyusunan hirarki keputusan pemilihan strategi manajemen pengetahuan Perancangan kuesioner Penilaian setiap kriteria / alternatif menggunakan skala linguistik oleh responden ahli Aktor dan area pengetahuan kunci Tidak Pemeriksaan konsistensi Ya Fuzzifikasi menggunakan Trianggular Fuzzy Number (TFN). Agregasi pendapat responden ahli n n n i =1 i =1 i =1 al = (∏ ali )1 / n ; a m = (∏ a mi )1 / n ; au = (∏ aui )1 / n Normalisasi A=( al , j ∑a i =1 ui am , j ∑a i =1 mi au ) j ∑a i =1 li Defuzzifikasi dengan metode α-cut ~ α α Aα = [al , au ] = [(a m − al }α + al ,−(au −a m )α + au ] ~ α = µa α + (1 − µ ) a α , ∀µ ∈ [0,1] a ij iju ijl Bobot kriteria dan alternatif strategi manajemen pengetahuan Selesai Gambar 27 Diagram alir model pemilihan strategi manajemen pengetahuan 72 5.2.4. Model Kodifikasi Pengetahuan Disain Proses Teknik fuzzy quality function deployment atau FQFD digunakan untuk mengidentifikasi keterkaitan antar karakteristik produk dan tahapan proses serta proses yang menjadi prioritas Model ini dapat terlihat pada Gambar 28. Mulai Identifikasi karakteristik teknis produk Area pengetahuan kunci Identifikasi karakteristik proses Akuisisi pengetahuan pakar Penilaian tingkat hubungan karakteristik produk dan proses oleh pakar Penilaian tingkat kepentingan karakteristik produk oleh pakar Fuzzifikasi tingkat kepentingan karakteristik produk Fuzzifikasi hubungan Karakteristik produk dengan karakteristik proses Proses Fuzzy Arithmetic (Fuzzy multiplication dan fuzzy addition) Defuzifikasi dengan Metode Centroid x* = ∫ µ . ( x). xdx ∫ µ . ( x)dx A A Tingkat Kepentingan Absolut dan Prioritas Disain Proses Pembuatan taksonomi dan peta pengetahuan Selesai Gambar 28 Diagram alir model kodifikasi pengetahuan disain proses menggunakan QFD 73 Skala linguistik kepentingan karakteristik teknis produk dan skala hubungan antara karakteristik produk dengan proses diubah menjadi interval fuzzy menggunakan TFN seperti dapat dilihat pada Tabel 14 dan Tabel 15. Tabel 14. Fuzzy Number Tingkat Kepentingan Atribut Kepentingan Triangular Fuzzy Number (TFN) Sangat Tidak Penting [0 0 0.3] Tidak Penting [0 0.25 0.5] Cukup Penting [0,3 0.5 0.7 ] Penting [0.5 0.75 1] Sangat Penting [0,7 1 1] Tabel 15. Fuzzy Number Hubungan Hubungan Triangular Fuzzy Number (TFN) Tidak ada [0 0 0,1 ] Lemah [0 0,2 0.4 ] Sedang [ 0.2 0,5 0.8 ] Kuat [ 0.6 1 1] Sedangan proses fuzzy arithmetic pada penelitian ini menggunakan rumus : Wj = (C 1j ⊗ I 1 ) ⊕ (C 2j ⊗ I 2 ) ⊕ ........... ⊕ (C nj ⊗ I n ) ; j ε {1,2,3,...,m} Dimana : I = Importance untuk tingkat kepentingan C = Correlation untuk hubungan Karena hasil hasil fuzzy arithmetic tersebut masih berupa bilangan fuzzy maka langkah selanjutnya adalah melakukan proses defuzzifikasi. Proses ini dilakukan untuk mengubah angka fuzzy menjadi angka crisp dimana dari angka crisp tersebut, kita dapat melakukan penentuan prioritas. 74 Metode defuzzifikasi yang digunakan pada penelitian ini adalah metode centroid. Metode centroid ini digunakan karena lebih sensitif dibanding metodemetode lain dalam menghitung hasil defuzzifikasi sehingga angka crisp yang dihasilkan berbeda antara proses yang satu dengan yang lain. Perhitungan nilai crisp dengan metode centroid dapat dilakukan dengan menggunakan rumus berikut : x* = ∫ µ . ( x).xdx ∫ µ . ( x)dx A A Dari hasil perhitungan defuzzifikasi diperoleh tingkat kepentingan absolut dari masing-masing karakteristik proses berupa suatu nilai crisp. Tingkat kepentingan absolut tersebut dapat diubah menjadi tingkat kepentingan relatif sehingga memudahkan dalam menentukan urutan prioritas karakteristik proses. 5.2.5. Model Kodifikasi Pengetahuan Kegagalan Proses Model ini bertujuan untuk melakukan akuisisi dan kodifikasi dari pengetahuan kegagalan proses menggunakan pendekatan fuzzy terhadap FMEA. Diagram alir model ini dapat terlihat pada Gambar 29. Nilai input sistem yang berupa nilai severity, occurrence dan detection dibagi menjadi 5 kelas (kategori), yaitu : 1. Very Low (VL) 2. Low (L) 3. Moderate (M) 4. High (H) 5. Very High (VH) 75 Mulai Fungsi keanggotaan severity, occurance dan detectabililty Akuisisi pengetahuan pakar Identifikasi kegagalan potensial pada setiap proses Penilaian tingkat keparahan dari efek yang ditimbulkan (severity) Identifikasi efek dari setiap kegagalan yang terjadi Basis Aturan Tingkat Prioritas Resiko Kegagalan Identifikasi penyebabpenyebab timbulnya kegagalan Penilaian tingkat kesulitan penyebab kecacatan terdeteksi (detection) Penilaian tingkat frekuensi penyebab kegagalan (occurrence) Sistem inferensi fuzzy dengan metode Mamdani Fungsi implikasi : MIN Komposisi Output : MAX Defuzzyfication dengan metode centroid x* = ∫ µ . ( x). xdx ∫ µ . ( x)dx A A Tingkat prioritas resiko kegagalan (fuzzy risk priority number) Perancangan sistem pakar diagnosis dan penanganan kegagalan proses Selesai Gambar 29 Diagram alir kodifikasi pengetahuan kegagalan proses menggunakan teknik FFMEA Tabel 16 menampilkan parameter fungsi keanggotaan variable input dalam FFMEA. 76 Tabel 16 Parameter fungsi keanggotaan variabel input Kategori Tipe Kurva Parameter VL Trapesium [ 0 0 1 2.5 ] L Segitiga [ 1 2.5 4.5 ] M Trapesium [ 2.5 4.5 5.5 7.5 ] H Segitiga [ 5.5 7.5 9 ] VH Trapesium [ 7.5 9 10 10 ] Fungsi keanggotaan untuk tiap kategori nilai input S, O dan D dapat ditentukan berdasarkan jenis tipe kurva yang digunakan, yaitu : • Untuk kategori Very Low (VL) dengan tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x ; 0, 0, 1, 2.5) • = 0 ; x≤0 1 ; 0≤x≤1 (2.5-x) / (2.5-1) ; 1 ≤ x ≤ 2.5 0 ; x ≥ 2.5 Untuk kategori Low (L) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 1, 2.5, 4.5) • = 0 ; x≤1 (x-1) / (2.5-1) ; 1 ≤ x ≤ 2.5 (4.5-x) / (4.5-2.5) ; 2.5 ≤ x ≤ 4.5 0 ; x ≥ 4.5 Untuk kategori Moderate (M) dengan tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 2.5, 4.5, 5.5, 7.5) = 0 ; x ≤ 2.5 (x-2.5) / (4.5-2.5) ; 2.5 ≤ x ≤ 4.5 1 ; 4.5 ≤ x ≤ 5.5 (7.5-x) / (7.5-5.5) ; 5.5 ≤ x ≤ 7.5 0 ; x ≥ 7.5 77 • Untuk kategori High (H) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 5.5, 7.5, 9) = 0 ; x ≤ 5.5 (x-5.5) / (7.5-5.5) ; 5.5 ≤ x ≤ 7.5 (9-x) / (9-7.5) ; 7.5 ≤ x ≤ 9 0 ; x≥9 • Untuk kategori Very High (H) dengan tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 7.5, 9, 10, 10 ) = 0 ; x ≤ 7.5 (x-7.5) / (9-7.5) ; 7.5 ≤ x ≤ 9 1 ; 9 ≤ x ≤ 10 0 ; x ≥ 10 Nilai dari FRPN ini dibagi menjadi 9 level (kategori) yaitu : Very Low (VL),Very Low – Low (VL-L), Low (L), Low – Moderate (L-M), Moderate (M), Moderate – High (M-H),High (H), High – Very High (H-VH), Very High (VH) Tabel 17 menampilkan parameter fungsi keanggotaan variabel ouput. Tabel 17. Parameter fungsi keanggotaan variabel output Kategori Tipe Kurva Parameter VL trapesium [ 0 0 25 75 ] VL-L segitiga [ 25 75 125 ] L segitiga [ 75 125 200 ] L-M segitiga [ 125 200 300 ] M segitiga [ 200 300 400 ] M-H segitiga [ 300 400 500 ] H segitiga [ 400 500 700 ] H-VH segitiga [ 500 700 900 ] VH trapesium [ 700 900 1000 1000 ] Fungsi keanggotaan untuk tiap kategori nilai output dapat ditentukan berdasarkan jenis tipe kurva yang digunakan, yaitu : 78 • Untuk kategori Very Low (VL) dengan tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : f (x ; 0, 0, 25, 75) • = 0 ; x≤0 1 ; 0 ≤ x ≤ 25 (75-x) / (75-25) ; 25 ≤ x ≤ 75 0 ; x ≥ 75 Untuk kategori Very Low – Low (VL-L) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 25, 75, 125) • = ; x ≤ 25 atau x ≥ 125 (x-25) / (75-25) ; 25 ≤ x ≤ 75 (125-x) / (125-75) ; 75 ≤ x ≤ 125 Untuk kategori Low (L) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 75, 125, 200) = ; x ≤ 75 atau x ≥ 200 (x-75) / (125-75) ; 75 ≤ x ≤ 125 (200-x) / (200-125) ; 125 ≤ x ≤ 200 • Untuk kategori Low – Moderate (L-M) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 125, 200, 300) = ; x ≤ 125 atau x ≥ 300 (x-125) / (200-125) ; 125 ≤ x ≤ 200 (300-x) / (300-200) ; 200 ≤ x ≤ 300 • Untuk kategori Moderate (M) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 200, 300, 400) = ; x ≤ 200 atau x ≥ 400 (x-200) / (300-200) ; 200 ≤ x ≤ 300 (400-x) / (400-300) ; 300 ≤ x ≤ 400 • Untuk kategori Moderate – High (M-H) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 300, 400, 500) = ; x ≤ 300 atau x ≥ 500 (x-300) / (400-300) ; 300 ≤ x ≤ 400 (500-x) / (500-400) ; 400 ≤ x ≤ 500 79 • Untuk kategori High (H) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 400, 500, 700) = ; x ≤ 300 atau x ≥ 500 (x-400) / (500-400) ; 400 ≤ x ≤ 500 (700-x) / (700-500) ; 500 ≤ x ≤ 700 • Untuk kategori High – Very High (H-VH) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 500, 700, 900) = ; x ≤ 500 atau x ≥ 900 (x-500) / (700-500) ; 500 ≤ x ≤ 700 (900-x) / (900-700) ; 700 ≤ x ≤ 900 • Untuk kategori Very High (VH) dengan tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 700, 900, 1000, 1000) = ; x ≤ 700 (x-700) / (900-700) ; 700 ≤ x ≤ 900 1 ;900 ≤ x ≤ 1000 0 ;x≥d Untuk proses fuzzifikasi mengubah nilai RPN menjadi Fuzzy RPN, digunakan metode penalaran Mamdani karena baik input yang berupa nilai severity, occurrence dan detection maupun output yaitu nilai fuzzy RPN (FRPN) sistem merupakan himpunan fuzzy. Metode penalaran Mamdani menggunakan fungsi implikasi MIN. Sistem pakar yang dibuat adalah sistem pakar diagnosis dan penanganan kegagalan proses dalam proses produksi barang jadi lateks. Basis pengetahuan sistem pakar ini menggunakan informasi dari FMEA. Pengetahuan yang diakuisisi berkisar pada pengetahuan mengenai jenis kegagalan proses, efek kegagalan proses, penyebab kegagalan proses serta upaya penanggulannya. Setelah pengetahuan diakuisisi, pengetahuan ini diorganisasir dan diatur dalam sistem berbasis-aturan (rule-based system). Model dapat dilihat pada Gambar 30. 80 Jenis Kegagalan Proses Efek Kegagalan Proses Penyebab Kegagalan Proses Upaya Penanggulangan Diagnosis Kegagalan Proses Akuisisi Pengetahuan Fakta-fakta Awal Upaya Penanggulangan Memori Kerja Basis Data Basis Pengetahuan Antarmuka Output MESIN INFERENSI Sistem Pakar Antarmuka Input Yes-no Question Gambar 30. Diagram konseptual sistem pakar rekomendasi penanggulangan kegagalan proses 5.3 Sistem Manajemen Basis Data Sistem manajemen basis data didasarkan pada Microsoft excel dikarenakan program sistem pendukung keputusan yang digunakan adalah Visual Basic for Applications (VBA) sebagai bahasa pemrograman untuk produk-produk Microsoft Office (Office). Untuk keperluan model tersebut terdapat lima basis data yaitu basis data pemilihan strategi pengembangan klaster, basis data pemilihan strategi manajemen pengetahuan, basis data penentuan area pengetahuan kunci dengan menggunakan analisis kesenjangan pengetahuan, basis data kodifikasi pengetahuan disain proses dengan menggunakan FQFD serta basis data kodifikasi pengetahuan kegagalan proses dengan menggunakan FFMEA. 5.4 Sistem Manajemen Dialog Sistem manajemen dialog yang dirancang dalam SPK strategi pengetahuan memiliki fungsi utama untuk menerima masukan dari pengguna dan memberikan keluaran atau hasil yang dikehendaki kepada pengguna. 81 6 HASIL DAN ANALISIS STRATEGI PENGETAHUAN 6.1 Model Strategi Pengembangan Klaster dan Area Pengetahuan Terkait Model ini dikembangkan dari model strategi pengetahuan oleh Zack (1999) yang menyatakan bahwa strategi pengetahuan harus selaras dengan strategi bisnis suatu perusahaan. Model ini digunakan digunakan dalam konteks klaster industri untuk menentukan strategi pengembangan klaster dan area pengetahuan kunci yang terkait dengan inisiatif pengembangan klaster. Inisiatif tersebut dipilih berdasarkan keterkaitannya dengan tujuan strategis pengembangan klaster. Tujuan tersebut dibangun menggunakan model yang dikembangkan oleh Carpinetti (2008). Model yang dikembangkan dari model Balanced scorecard tersebut berdasarkan empat perspektif untuk mengukur kinerja suatu klaster industri yaitu Kinerja perusahaan, Hasil Sosial/Ekonomi, Efisiensi Kolektif dan Modal Sosial. Adapun tujuan-tujuan strategis dalam kinerja perusahaan adalah peningkatan pasar serta peningkatan produktivitas dan kualitas. Tujuan-tujuan strategis dalam perspektif hasil sosial/ekonomi adalah peningkatan lapangan pekerjaan, dan peningkatan ketersediaan tenaga kerja terspesialisasi, peningkatan kemampuan inovasi dan peningkatan konsumsi karet alam. Tujuan strategis dalam efesiensi kolektif adalah penurunan biaya dan peningkatan kerjasama. Tujuan strategis dalam perspektif modal sosial adalah peningkatan jumlah anggota klaster yang terlibat dalam kerjasama. Inisiatif klaster ditetapkan ada 3 yaitu inovasi dan teknologi (peningkatan kemampuan produksi, difusi teknologi dan standar teknik), kerjasama komersial (pemasaran ekspor dan pengadaan bahan baku) serta pengembangan bisnis. Pilihan strategi tersebut didasarkan pada penelitian Ketels et al.(2008) dan Solvell (2009) bahwa inisiatif klaster dapat dibagi menjadi enam kelompok yaitu peningkatan kemampuan sumber daya manusia (human resource upgrading), ekspansi klaster (Cluster expansion), pengembangan bisnis (business development), kerja sama komersial (commercial collaboration), inovasi dan teknologi (Innovation and technology) serta peningkatan lingkungan bisnis (business environment upgrading). Secara lengkap model hirarki keputusan dapat dilihat pada Gambar 31. 82 Pengembangan Klaster Industri Barang Jadi Lateks S Menengah Fokus Aktor Penggerak Inisiatif Pemerintah Industri Perspektif Kinerja Perusahaan Hasil Sosial/ Ekonomi Tujuan Strategis Peningkatan Pasar Inisiatif Klaster Peningkatan Lapangan Pekerjaan Peningkatan Produktivitas dan Kualitas Pengembangan Bisnis Efisiensi Kolekt Penurunan Bia Peningkatan Tenaga Kerja Terspesialisasi Kerjasama komersial Inovasi dan teknologi Pengetahuan proses pemasaran dan pengadaan bahan baku Pengetahuan inovasi dan teknologi proses produksi Peningkatan kemampuan inovasi Area Pengetahuan Kunci Pengetahuan perencanaan bisnis Peningkatan Gambar 31 Model Pemilihan Strategi Pengembangan Klaster Hirarki keputusan yang dihasilkan kemudian menjadi dasar dalam perancangan kuesioner seperti dapat dilihat pada Lampiran 1. Berdasarkan hasil verifikasi model strategi pengembangan klaster dengan melibatkan 3 orang pakar yaitu Kepala Balai Penelitian Teknologi Karet Bogor, Ketua Program Klaster dari Dinas Perindustrian dan Perdagangan Jawa Barat serta salah seorang pelaku usaha UKM barang celup lateks dapat diketahui bahwa aktor yang memiliki prioritas tertinggi dalam pengembangan klaster adalah industri dan lembaga pendukung dengan bobot sebesar 0,44 diikuti oleh Pemerintah (0,28) dan industri (0,26) seperti dapat dilihat pada Tabel 18. Hasil penilaian masing-masing responden dapat dilihat pada Lampiran 2. Tabel 18. Prioritas Aktor Utama dan Perspektif Pengembangan Klaster Bobot Kinerja Hasil Sosial/ Efisiensi Modal Aktor Perusahaan Ekonomi Kolektif Sosial Industri 0.27 0.58 0.12 0.23 0.07 Pemerintah 0.29 0.15 0.51 0.25 0.09 Lembaga Pendukung 0.44 0.19 0.24 0.47 0.10 0.28 0.29 0.34 0.09 Aktor Utama Bobot Perspektif Peningkatan Kerja Sama 83 Prioritas tertinggi perspektif pengembangan klaster berturut-turut adalah perpektif efisiensi kolektif dengan bobot 0,34, hasil sosial/ekonomi dengan bobot 0,29, kinerja perusahaan dengan bobot 0,29 serta perspektif modal sosial dengan bobot 0,09 seperti dapat dilihat pada Tabel 18. Terlihat di sini bahwa bobot perspektif modal sosial yang dapat diartikan sebagai seperangkat hubungan horizontal antar orang (Putnam, 1993) masih merupakan bobot terkecil yang dipertimbangkan dalam memilih strategi pengembangan klaster. Pertalian interpersonal antar pengusaha UKM, pemasok bahan serta peneliti dari perguruan tinggi atau balai penelitian yang membentuk modal sosial dipercaya akan memfasilitasi terjadinya kerjasama dan berbagi informasi atau pengetahuan (Kusbiantono et al, 2005). Pertimbangan para responden pakar lebih memandang perspektif efisiensi kolektif sebagai perspektif prioritas dikarenakan memang perspektif ini merupakan proses bisnis yang terjadi secara nyata dalam klaster. Sureephong (2007) menyatakan bahwa dalam efisiensi kolektif, tidak hanya informasi dan pengetahuan yang dapat dibagi antar anggota klaster, tetapi juga sumber daya dan kekuatan negosiasi seperti permintaan bahan baku yang digabung untuk menurunkan biaya, infrastruktur dan sebagainya. Contoh perhitungan perbandingan antar perspektif dapat dilihat pada Lampiran 3. Penilaian terhadap tujuan strategis pengembangan klaster menghasilkan bobot secara berurutan dari yang terbesar adalah peningkatan kerjasama (0,26), peningkatan produktivitas dan kualitas (0,18), perluasan pasar (0,11), peningkatan kemampuan inovasi (0,09), peningkatan jumlah anggota klaster aktif (0,09), peningkatan lapangan pekerjaan (0,08), penurunan biaya (0,08), peningkatan tenaga kerja terspesialisasi (0,07) dan peningkatan konsumsi karet alam (0,03) seperti dapat dilihat pada Tabel 19. Sejalan dengan perspektif efisiensi kolektif yang memiliki bobot terbesar, maka peningkatan kerjasama yang merupakan salah satu tujuan strategis dalam perspektif efiensi kolektif juga memiliki bobot terbesar. Inisiatif strategi pengembangan klaster yang memiliki bobot terbesar pada inovasi dan teknologi dengan bobot 0,53 diikuti oleh pengembangan bisnis sebesar 0,24 dan kerjasama komersial sebesar 0,22. Dengan terpilihnya inovasi dan teknologi sebagai strategi terpilih, hal ini berarti pengetahuan yang 84 menunjang proses inovasi dan teknologi merupakan pengetahuan kunci atau kritikal dalam pengembangan klaster Tabel 19 Prioritas Tujuan Strategis dan Strategi Pengembangan Klaster Pengembangan Kerjasama Inovasi dan Model Bisnis Komersial Teknologi Weights Tujuan Strategis Perluasan Pasar 0.23 0.34 0.43 Peningkatan Produktivitas & Kualitas 0.13 0.17 0.70 Peningkatan Lap. Pekerjaan 0.54 0.13 0.33 Peningkatan TK Terspesialisasi 0.17 0.13 0.70 Peningkatan Kemampuan Inovasi 0.22 0.28 0.50 Peningkatan Konsumsi Karet Alam 0.20 0.13 0.68 Penurunan Biaya 0.29 0.61 0.10 Peningkatan Kerja Sama 0.22 0.14 0.64 Peningkatan jumlah anggota klaster aktif 0.32 0.20 0.47 Bobot Alternatif Strategi 0.24 0.22 0.53 6.2 Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci Berdasarkan verifikasi model sebelumnya diketahui bahwa pengetahuan teknologi proses merupakan pengetahuan terkait untuk mendukung strategi inovasi dan teknologi dalam rangka pengembangan klaster industri barang jadi lateks dengan lembaga pendukung sebagai aktor utama. Oleh karena itu kualitas sumber daya manusia dalam lembaga pendukung seperti pada Pusat Penelitian Karet atau Balai Penelitian Teknologi Karet (BPTK) Bogor sangat menentukan dalam pengembangan klaster. Oleh karena itu analisis kesenjangan pengetahuan dilakukan pada beberapa peneliti yang berasal dari BPTK Bogor yaitu Arif Ramadhan, STP, Hendry Prastanto, ST, M.Eng, Hani Handayani, SSi dan Dr. Ary A Alfa. Setiap responden ahli ditanyakan mengenai tingkat kepentingan dan tingkat kondisi saat ini dari masing-masing area pengetahuan teknologi proses. Data hasil penilaian responden dapat dilihat pada Lampiran 6. 0.11 0.18 0.08 0.07 0.09 0.03 0.08 0.26 0.09 1.00 85 Area pengetahuan dalam proses produksi barang celup teridentifikasi dalam 18 area pengetahuan yang dimulai dari formulasi kompon lateks, formulasi koagulan, pemeriksaan bahan baku sampai dengan pemeriksaan produk akhir dan analisis kegagalan. Adapun contoh penilaian tingkat kondisi saat ini dan kepentingan dari salah seorang responden pakar dapat dilihat pada Gambar 32. Gambar 32 Tampilan input penilaian setiap area pengetahuan Nilai rata-rata dari keempat responden yang didapatkan dari proses ratarata fuzzy dari keempat responden dan kemudian dilanjutkan dengan defuzzifikasi pada masing-masing area pengetahuan dapat dilihat pada Gambar 33. Nilai X-bar mewakili rata-rata kondisi saat ini dan nilai Y-bar mewakili rata-rata kepentingan atau kebutuhan. 86 Gambar 33 Tampilan output penilaian setiap area pengetahuan Sistem Penalaran Fuzzy dalam Analisis Kesenjangan Pengetahuan Sistem penalaran fuzzy menggunakan 2 input yaitu tingkat kebutuhan dan kondisi saat ini area pengetahuan yang dikemas dalam bentuk trapezoidal fuzzy number seperti dapat dilihat pada Gambar 34. Gambar 34 Penyajian tingkat kondisi saat ini dalam bentuk trapezoidal fuzzy number 87 Adapun basis aturan yang dibangun untuk menentukan atribut setiap area pengetahuan terdapat 9 aturan seperti dapat dilihat pada Gambar 35. Gambar 35 Basis aturan dalam sistem penalaran fuzzy dengan metode Sugeno Nilai output yang dihasilkan dengan input tingkat kebutuhan sebesar 0,74 dan tingkat kondisi saat ini sebesar 0,55 dapat dilihat pada Gambar 36. Gambar 36 Contoh nilai output sistem penalaran fuzzy dengan metode Sugeno 88 Adapun perhitungan manual untuk input kepentingan sebesar 0,74 dan kondisi saat ini sebesar 0,55 adalah sebagai berikut : Evaluasi aturan : α1= min ( α Rendah [0,74] , α Lemah [0,55] ) = min ( 0 ; 0 ) = 0 Nilai konsekuen output area pengetahuan =2 α2= min ( α Rendah[0,74] , α Sedang [0,55]) = min ( 0 ; 1 ) = 0 Nilai konsekuen output area pengetahuan =3 α3= min ( α Rendah[0,74] , α Kuat [0,55]) = min ( 0 ; 0) = 0 Nilai konsekuen output area pengetahuan =3 α4= min ( α Sedang [0,74] , α Lemah [0,55]) = min ( 0,08 ; 0) = 0 Nilai konsekuen output area pengetahuan =1 α5= min ( α Sedang [0,74] , α Sedang [0,55]) = min ( 0,08 ; 1) = 0,08 Nilai konsekuen output area pengetahuan =2 α6= min ( α Sedang [0,74] , α Kuat [0,55]) = min ( 0,08; 0) = 0 Nilai konsekuen output area pengetahuan =3 α7= min ( α Tinggi [0,74] , α Lemah [0,55]) = min ( 0,92 ; 0) = 0 Nilai konsekuen output area pengetahuan =1 α8 = min ( α Tinggi [0,74] , α Sedang [0,55]) = min ( 0,92 ; 1) = 0,92 Nilai konsekuen output area pengetahuan =1 α9 = min ( α Tinggi [0,74] , Kuat [0,55]) = min ( 0,92 ;1) = 0 Nilai konsekuen output area pengetahuan =2 Metode defuzzifikasi yang digunakan untuk model sugeno ini adalah dengan rata-rata terbobot (weighted average) sehingga diperoleh output sebagai berikut : Output1 = 0 x 2 + 0 x3 + 0 x3 + 0 x1 + 0,08 x 2 + 0 x3 + 0 x1 + 0,92 x1 + 0 x 2 = 1,08 0 + 0 + 0 + 0,08 + 0 + 0 + 0,92 + +0 Berdasarkan hasil perhitungan dengan bantuan paket program Matlab dapat diketahui atribut dari masing-masing area pengetahuan dalam matriks kesenjangan pengetahuan seperti terlihat pada Tabel 20. Area pengetahuan yang terdeteksi masuk dalam area 3 (red alert zone) adalah 9 area pengetahuan yaitu formulasi kompon, formulasi koagulan, pemeriksaan bahan baku, pembuatan 89 dispersi, pemeriksaan dispersi, pencelupan kompon, pencucian, vulkanisasi, dan pemeriksaan produk serta analisis kegagalan. Tabel 20. Daerah pengembangan dari masing area pengetahuan X-bar (Saat ini) 0,44 Z (Daerah Pengembangan) Area Pengetahuan Formulasi kompon Y-bar (Kebutuhan/ Kepentingan) 0,90 Formulasi koagulan 0,74 0,55 1,08≈1 (red alert zone) Pemeriksaan bahan baku 0,80 0,64 1,12≈1 (red alert zone) Pembuatan dispersi 0,90 0,62 1 (red alert zone) Pembuatan koagulan 0,68 0,50 1,56≈2 (stay updated zone) Pencampuran dispersi dan 0,56 0,64 1 (red alert zone) 2 ,12≈ 2(stay updated zone) pemeraman Pemeriksaan dispersi 0,75 0,50 1 (red alert zone) Pembersihan cetakan 0,63 0,50 1,96≈2 (stay updated zone) Pencelupan koagulan 0,63 0,57 1,96≈2 (stay updated zone) Pencelupan kompon 0,84 0,55 1 (red alert zone) Pengeringan awal 0,56 0,50 2 (stay updated zone) Pembuatan cincin 0,56 0,44 2 (stay updated zone) Pencucian 0,74 0,50 1,08≈1 (red alert zone) Vulkanisasi 0,90 0,57 1 (red alert zone) Pembedakan 0,50 0,50 2 (stay updated zone) Pelepasan 0,56 0,62 2 (stay updated zone) Pembersihan powder 0,56 0,50 2 (stay updated zone) Pemeriksaan produk dan 0,90 0,48 analisis kegagalan 1 (red alert zone) 6.3 Model Strategi Manajemen Pengetahuan Pemilihan strategi manajemen pengetahuan menggunakan teknik fuzzy AHP dengan alternatif strategi yaitu strategi kodifikasi, strategi personalisasi dan strategi kombinasi seperti dapat dilihat pada Gambar 37. Pilihan alternatif tersebut didapatkan dari Nicolas (2004) dan Wu (2007). Strategi ini diperlukan untuk mengatasi adanya kesenjangan pengetahuan pada aktor utama pelaksana strategi 90 inovasi dan teknologi serta mengelola area pengetahuan kunci yang telah teridentifikasi pada model sebelumnya. Strategi kodifikasi menekankan pada aspek teknologi untuk akuisisi, penyimpanan dan penyebaran pengetahuan dari pakar. Strategi personalisasi menekankan pada peningkatan pertemuan atau komunikasi antar pengguna pengetahuan atau antar penguna pengetahuan dengan pakar baik secara langsung, email atau melalui portal web. Pemilihan Strategi Manajemen Pengetahuan Fokus Dukungan Pemerintah Kriteria Alternatif Komunikasi Strategi Kodifikasi Budaya dan Orang Strategi Personalisasi Waktu Biaya Kombinasi Gambar 37 Model Keputusan Pemilihan Strategi Manajemen Pengetahuan Kuesioner pemilihan strategi manajemen pengetahuan dapat dilihat pada Lampiran 4. Berdasarkan verifikasi model strategi manajemen pengetahuan dapat diketahui bahwa strategi yang paling sesuai untuk mendukung strategi inovasi dan teknologi dengan pengetahuan proses produksi sebagai area pengetahuan kuncinya adalah strategi kombinasi (0,51) dibandingkan dengan strategi personalisasi (0,27) dan kodifikasi (0,22). Hal ini sejalan dengan hasil penelitian dari Nicolas (2004) yang menunjukkan bahwa strategi kombinasi atau sosialisasi semakin banyak digunakan (53%). Bobot kriteria yang paling dipentingkan untuk menjalankan strategi tersebut berturut-turut berdasarkan tingkat kepentingannya adalah budaya dan orang (0,41), dukungan pemerintah (0,24), komunikasi (0,16), biaya (0,13) dan waktu (0,06). Kriteria budaya dan orang yang memiliki bobot tertinggi serta lebih besarnya bobot strategi personalisasi dibandingkan bobot strategi kodifikasi dikarenakan strategi ini memang dirancang untuk mendukung strategi inovasi dan teknologi untuk pengembangan klaster. Pengetahuan tacit dari hasil personalisasi dipercaya sebagai pendorong utama dari proses inovasi (Tuomi, 2002). Contoh hasil perbandingan berpasangan dapat dilihat pada Lampiran 5. 91 6.4. Model Kodifikasi Pengetahuan Disain Proses Model kodifikasi disain proses digunakan untuk mengakuisisi dan mengkodifikasi pengetahuan disain proses barang celup lateks dengan kasus pada produk sarung tangan. Berdasarkan model ini pula dapat diketahui prioritas disain proses yang perlu ditindaklanjuti dengan pembuatan peta pengetahuan. Model dikemas dalam bentuk rumah kualitas level 2 yang menjelaskan hubungan antara parameter karakteristik produk dengan karakteristik. proses. Nilai tingkat kepentingan karakteristik produk yang didapatkan dari pakar dapat dilihat pada Tabel 21 Tabel 21 Tingkat Kepentingan Atribut Barang Celup No Atribut Tingkat Kepentingan 1 Tebal Sangat Penting 2 Kebocoran terhadap udara Sangat Penting 3 Tegangan putus min 23,5 Penting 4 Perpanjangan putus min 750 Penting 5 Penting 8 Pengusangan yang dipercepat Tegangan putus setelah pengusangan dipercepat min 17,7 Perpanjangan putus setelah pengusangan dipercepat min 560 Tegangan tarik 9 Tidak ada perubahan warna Penting 10 Tidak ada cacat fisik Penting 11 Kandungan protein Penting 12 Kandungan nitrosamine Penting 13 Kandungan ZnO Penting 6 7 Cukup Penting Cukup Penting Cukup Penting Berdasarkan pandangan pakar dapat diketahui bahwa hal yang terpenting dari produk sarung tangan adalah tidak boleh ada lubang atau kobocoran karena fungsi utama dari sarung tangan khususnya sarung tangan medis adalah mencegah kontaminasi melalui darah. Faktor ketebalan juga menjadi indikator yang sangat penting karena langsung dapat dirasakan dan terlihat. Hubungan antara karakteristik produk dengan karakteristik proses dapat dilihat pada Gambar 38. 92 93 Karakteritik ketebalan produk sangat dipengaruhi oleh kondisi lateks pekat, formulasi koagulan, serta kondisi proses saat pencelupan koagulan dan pencelupan kompon lateks. Kondisi saat lateks saat penerimaan dapat bervariasi mulai dari kadar karet kering (KKK) 60 % atau lebih rendah lagi. Bila KKK lebih besar tentu akan menghasilkan ketebalan produk yang lebih tinggi karena lebih kental. Formulasi koagulan juga berpengaruh kuat karena fungsinya untuk menarik lateks sebanyak mungkin. Beberapa produk yang tipis seperti kondom tidak memakai koagulan karena produk tipis. Produk balon koagulannya encer dan waktu tinggal di lateks tidak lama. Koagulannya menggunakan senyawa ion CaCl2 atau CaNO 3 . Beberapa produk tebal seperti spigmomanometer atau komponen tensimeter menggunakan jenis bentonit sebagai koagulan. Pencelupan cetakan ke dalam koagulan dan kompon lateks juga memiliki hubungan kuat dengan pencapaian ketebalan produk yang diinginkan. Bila hanya sebentar maka sifat pembasahan dari koagulan sangat rendah sehingga nantinya kompon lateks hanya menempel tipis. Karakteristik teknis produk tidak bocor atau tidak adanya pinhole atau fisheye memiliki karakteristik kuat terhadap formulasi anti busa. Hal ini dikarenakan timbulnya busa pada kompon lateks dapat menyebabkan kebocoran. Bahan anti ditambahkan ke dalam kompon lateks sebanyak 0,01-0,3 % dari volume kompon lateks. Buih dalam kompon lateks biasanya dihilangkan juga dengan mendiamkan kompon lateks minimal semalam. Biasanyan timbul busa saat pengadukan sehingga perlu waktu diam yang cukup untuk menghilangkan busa. Timbulnya kebocoran antara lain juga karena saat pencelupan kompon dengan hubungan sedang. Bila kompon lateks terlalu banyak mengandung sabun serta pengadukan yang tidak hati-hati sehingga menimbulkan buih maka akan mengakibatkan kebocoran pada produk. Sifat-sifat fisika produk barang jadi lateks seperti tegangan putus, perpanjangan putus dan modulus memiliki hubungan kuat dengan sistem vulkanisasi seperti dapat dilihat pada Gambar 38. Hal ini dikarenakan tegangan putus ditentukan oleh reaksi atau ikatan antar rantai karet melalui jembatan sulfur yang disebut dengan reaksi ikatan silang. Jenis pencepata atau katalis pada reaksi ikatan silang, dosis, dan perbandingan sulfur berpengaruh terhadap sifat-sifat 94 fisika seperti tegangan putus, perpanjangan putus dan kekerasan. Selain itu sifat fisika juga memiliki hubungan kuat dengan anti oksidan yang memang fungsinya untuk menjaga penurunan sifat fisika. Sifat fisika juga memiliki hubungan kuat dengan pencampuran lateks dengan dispersi bahan kimia serta pemeraman. Hal ini ditentukan oleh sifat homogenitas bahan kimia karet dengan lateks dan pemeraman terkait dengan kematangan. Makin lama diperam akan makin kuat sifat fisikanya. Karakteristik tidak ada perubahan warna memiliki hubungan kuat dnegan bahan pewarna. Jika yang digunakan adalah bahan pewarna organik (pewarna yang bagus) maka tidak terjadi perubahan warna. Biasanya yang dipakai anorganik sehingga bisa jadi pudar. Titan bersifat anorganik dan biasanya digunakan hanya sebagai pemutih. Timbulnya cacat fisika memiliki hubungan kuat dengan lateks pekat dimana bila lateks sudah mengalami prakoagulasi maka dapat dipastikan akan timbul kecacatan pada produk. Bahan penstabil yang kurang serta ketiadaan anti busa juga dapat menyebabkan cacat fisik pada produk. Kandungan protein pada lateks memiliki hubungan kuat dengan lateks pekat karena memang lateks mengandung protein spesifik yang menimbulkan alergi. Bila dilakukan proses pencucian maka sebagian protein terlarut akan terbuang bersama dengan pencucian. Klorinasi juga berpengaruh untuk mengurangi protein dan pelapisan sekaligus. Kandungan bahan karsinogenik juga terkit dengan jenis pengawet lateks pekat. Bila menggunakan TZ tetapi perkembangan terakhir tidak terlalu berpengaruh karena jumlahnya sangat kecil. Jenis tiuram yang berada dalam TZ bersifat karsinogenik. TMTD precursor karsinogenik nitrosamine walaupun kecil. Berdasarkan hubungan antara karakteristik produk dengan karakteristik proses maka dapat ditentukan bobot masing-masing karakteristik proses untuk dapat diketahui manakah karaktersitik disain proses yang paling menentukan dalam pencapaian karaktersitik produk yang diinginkan. Tabel 22 menyajikan nilai bobot dan peringkat dari masing-masing karakteristik proses. 95 Tabel 22 Hasil Defuzzifikasi Karakteristik Proses No. Karakteristik Teknis Triangular Fuzzy Number (TFN) Kepentingan Absolut Kepentingan Relatif Peringkat 1 Lateks Pekat [ 1,42 4,175 6,62 ] 4,072 8,60% 4 2 Penstabil [ 0,3 0,95 2,41 ] 1,220 2,58% 16 3 Sistem vulkanisasi [ 1,64 4,85 7,8 ] 4,763 10,06% 2 4 Anti Busa [ 0,72 1,75 3,01 ] 1,827 3,86% 10 5 Pewarna [ 0,4 1,125 2,81 ] 1,445 3,05% 15 6 Antioksidan [ 1,34 3,75 6,3 ] 3,797 8,01% 6 7 Pengisi [ 0,4 1,85 4,52 ] 2,257 4,76% 9 8 Koagulan [ 0,52 1,375 2,81 ] 1,568 3,31% 13 9 Dispersi [ 1,28 3,65 5,9 ] 3,610 7,62% 7 10 Pencampuran [ 1,38 4,075 6,6 ] 4,018 8,48% 5 11 Pembersihan [ 0,1 0,725 2,51 ] 1,112 2,35% 17 12 Pencelupan [ 0,52 2,175 4,34 ] 2,345 4,95% 8 13 Pencelupan [ 1,64 4,875 8,18 ] 4,898 10,34% 1 14 Pematangan [ 1,68 4,65 7,06 ] 4,463 9,42% 3 15 Pembedakan [ 0,6 1,5 3,01 ] 1,703 3,60% 11 16 Pelepasan [ 0,3 0,75 2,11 ] 1,053 2,22% 18 17 Pencucian [ 0,3 1,35 3,34 ] 1,663 3,51% 12 18 Tumbler [ 0,1 1,125 3,44 ] 1,555 3,28% 14 Perhitungan defuzzifikasi untuk masing-masing karakteristik teknis menggunakan pendekatan centroid. Contoh perhitungan TFN pada Tabel 22 dapat dilihat pada Lampiran 11. Sedangkan untuk perhitungan defuzzifikasi Karakteristik / Lateks Pekat seperti pada Tabel 22 didapatkan nilai pembilang dan penyebut sebagai berikut : Pembilang = = = = 10,586 Penyebut Sehingga didapatkan nilai defuzzifikasi seperti dapat dilihat pada Tabel 22. x* = ∫ µ . ( x).xdx ∫ µ . ( x)dx A A = 10,586 = 4,072 2,6 Berdasarkan tabel 22 dapat diketahui bahwa peringkat tertinggi adalah proses pencelupan kompon, sistem vulkanisasi, pematangan atau vulkanisasi serta 96 kondisi dan jenis lateks pekat serta kelima adalah pencampuran dan pemeraman kompon lateks. Beberapa pengetahuan tersebut kemudian dikodifikasi dalam bentuk taksonomi pengetahuan dan peta pengetahuan seperti dapat dilihat pada Gambar 39. Gambar 39 Taksonomi pengetahuan proses barang celup lateks 6.4. Model Kodifikasi Pengetahuan Kegagalan Proses Model kodifikasi pengetahuan kegagalan proses bertujuan untuk mengakusisi pengetahuan mengenai kegagalan proses sebagai bagian dari konversi pengetahuan tacit menjadi explisit serta mendapatkan bobot bentuk kegagalan proses yang memiliki nilai resiko terbesar dengan menggunakan metode FFMEA. Berdasarkan wawancara dengan pihak pabrik sarung tangan lateks dapat diketahui bahwa bahwa dalam proses pembuatan sarung tangan lateks terdapat 24 bentuk kegagalan proses yang biasa ditemukan. Bentuk kegagalan proses tersebut dikodekan dari F1 s/d F24. Bentuk-bentuk kegagalan proses pada masing-masing proses dapat dilihat pada Tabel 23. Kemudian dari masing proses tersebut ditanyakan dampak atau efek kegagalannya serta diberikan rating mengenai seberapa serius dampaknya dengan skala 1 s/d 10. Setelah itu wawancara dilanjutkan dengan menanyakan penyebab dari masing—masing kegagalan proses serta diberikan penilaian mengenai frekuensi kemunculan penyebab serta mudah tidaknya penyebab tersebut dideteksi. Perhitungan nilai risk priority number (RPN) yang besar menandakan 97 bahwa nilai severity, occurance dan detectability memilki angka penilaian yang besar. Pendekatan fuzzy yang digunakan dalam menentukan RPN memilki pola yang berbeda dengan perhitungan RPN biasa yang hanya dengan cara perkalian. Tabel 23 Bentuk-bentuk kegagalan proses dalam proses sarung tangan lateks Proses Penerimaan lateks Dispersi bahan kimia Bentuk Kagagalan Proses Waktu kemantapan mekanik kurang (120 cps) Lateks mengandung banyak sabun Umur bahan kimia sudah atau mendekati kadaluarsa Hasil dispersi tidak sempurna Pengomponan lateks Timbul busa pada kompon lateks Penerimaan bahan kimia Pemeraman lateks Lateks kompon kurang homogen Timbul gumpalan-gumpalan kecil kompon Masih terdapat buih pada kompon lateks Kode F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 Pembuatan koagulan Viskositas koagulan terlalu rendah F11 Pencelupan cetakan dalam koagulan Tingkat pembasahan (wetting) kurang Lapisan koagulan tidak rata pada cetakan F12 F13 dalam Timbul buih pada saat pencelupan lateks F14 Terdapat kotoran pada cetakan dan lateks Hasil pencelupan tidak rata Produk kurang kering F15 Pencucian Pengovenan Gulungan kurang padat Pencucian kurang bersih Terlalu matang F18 F19 F20 Pemberian powder Kurang matang Powder kurang merata F21 F22 Stripping Lengket dan sulit dilepas F23 Tumbling Lengket dan berubah bentuk F24 Pencelupan ke kompon lateks ke Pengeringan hasil celup dan bending F16 F17 98 Fuzzy logic menggunakan aturan-aturan fuzzy yaitu dengan if-then rules. Karena terdapat tiga variabel input dalam FMEA (severity, occurrence dan detection), dimana tiap-tiap variabel input ini dikelompokkan menjadi 5 kategori (Very Low – Very High), maka terdapat 125 rules yang digunakan dapat dilihat pada Lampiran. Berdasarkan rules tersebut dapat disimpulkan bahwa severity merupakan faktor yang paling menentukan untuk nilai FRPN. Dari rules di atas, dapat dilihat bahwa apabila nilai severity termasuk kategori very high akan menghasilkan nilai FRPN yang juga berada dalam kategori very high, berapapun nilai occurrence dan nilai detection-nya. Untuk proses fuzzifikasi mengubah nilai RPN menjadi Fuzzy RPN, digunakan metode penalaran Mamdani karena baik input yang berupa nilai severity, occurrence dan detection maupun output yaitu nilai fuzzy RPN (FRPN) sistem merupakan himpunan fuzzy. Metode penalaran Mamdani menggunakan fungsi implikasi MIN. Tampilan basis aturan dapat pada Gambar 40. Basis aturan secara lengkap dapat dilihat pada Lampiran 7. Berdasarkan konfirmasi dengan pakar dalam menyusun basis aturan, dapat disimpulkan bahwa severity merupakan faktor yang paling menentukan untuk nilai FRPN. Dalam Lampiran 7 dapat dilihat bahwa apabila nilai severity termasuk kategori very high akan menghasilkan nilai FRPN yang juga berada dalam kategori very high, berapapun nilai occurrence dan nilai detection-nya. Gambar 40 Rule Editor Untuk Sistem Fuzzy 99 Tabel 24 Nilai FRPN Fungsi Proses Kegagalan pada Proses S O D FRPN Waktu kemantapan mekanik kurang (120 cps) 7 2 6 632 5 3 674 Lateks mengandung banyak sabun 8 3 4 748 Umur bahan kimia sudah atau mendekati kadaluarsa 5 2 1 300 2 5 3 4 6 8 6 2 3 2 2 2 708 708 748 708 883 883 Penerimaan lateks Penerimaan bahan kimia Dispersi bahan kimia Pengomponan lateks Pemeraman kompon lateks Pembuatan koagulan Pencelupan cetakan ke dalam koagulan Pencelupan ke dalam kompon lateks Hasil dispersi tidak sempurna 8 Timbul busa pada kompon lateks 9 Lateks kompon kurang homogen 5 4 3 461 Timbul gumpalan-gumpalan kecil 3 4 3 356 Masih terdapat buih pada kompon lateks 9 3 2 883 Viskositas koagulan terlalu rendah 7 3 2 595 Tingkat pembasahan (wetting) kurang 7 6 2 632 Lapisan koagulan tidak rata pada cetakan 2 5 708 8 3 3 748 Timbul buih pada saat pencelupan lateks 4 3 4 3 7 404 448 Terdapat kotoran pada cetakan dan lateks 3 3 3 356 Hasil pencelupan tidak rata 3 5 6 401 100 Tabel 24 Nilai FRPN (lanjutan) Fungsi Proses Kegagalan pada Proses S O D FRPN Pengeringan hasil celup dan bending Produk kurang kering Gulungan kurang padat 5 4 3 3 2 2 364 318 Pencucian (post leaching) Pencucian kurang bersih 4 3 3 404 3 2 155 2 2 155 3 2 318 2 2 318 3 2 2 3 3 3 2 2 5 2 356 258 258 356 258 3 4 356 Terlalu matang 2 Pengovenan Kurang matang 4 Pemberian powder Powder kurang merata 3 Stripping Lengket dan sulit dilepas 3 Tumbling Lengket dan berubah bentuk 3 Tabel 24 menyajikan nilai output tingkat prioritas resiko untuk masingmasing kegagalan proses serta penyebabnya. Dapat diketahui bahwa beberapa jenis kegagalan proses memiliki nilai terbesar yaitu lateks berbau busuk atau tidak berwarna putih saat penerimaan lateks, timbul busa pada kompon lateks pada saat pengomponan atau pencampuran lateks dengan dispersi bahan kimia serta masih terdapat buih pada kompon lateks pada saat pemeraman lateks. Perhitungan proses defuzzifikasi terdapat pada Lampiran. Pengetahuan yang didapatkan dari FMEA ini kemudian dijadikan basis pengetahuan dalam sistem pakar dan penyusunan logic tree sebagai bentuk representasi pengetahuan. Metode inferensi yang digunakan dalam sistem adalah metode forward chaining yaitu dimulai dari sekumpulan fakta-fakta tentang suatu efek yang ditemukan pengguna sebagai masukan sistem untuk kemudian dilakukan pelacakan jenis kegagalan proses dan penyebab dari kegagalan proses sampai tercapainya tujuan akhir berupa kesimpulan kegagalan proses yang terjadi dan rekomendasi upaya penanggulangan. 101 Berdasarkan kaidah-kaidah hasil representasi pengetahuan, maka disusun rules yang akan digunakan pada sistem pakar yang dibuat. Rules mencakup semua kombinasi jawaban yang mungkin diinput oleh user dan kombinasi outputnya. Adapun rules dan diagram tree dapat dilihat selengkapnya pada Lampiran. Selain itu, pada sistem pakar ini digunakan juga teknik penelusuran depth first search. Teknik penelusuran ini merupakan teknik penelusuran dari node ke node bergerak menurun ke tingkat dalam yang berurutan. Teknik penelusuran ini hanya digunakan pada jenis-jenis kegagalan proses yang memiliki efek yang sama. Sistem pakar untuk identifikasi kegagalan proses pada proses produksi sarung tangan lateks menggunakan software Winexsys Professional Ver. 5.0.8-W. Dalam Winexsys dikenal 3 komponen pembentuk rule, yaitu : • Qualifier Qualifier merupakan komponen yang memberikan pilihan kepada pemakai. • Variable Variable merupakan komponen yang memberikan keleluasaan kepada pemakai untuk memasukkan input berupa angka. • Choice merupakan tujuan akhir atau output dari sistem pakar. Adapun sistem pakar untuk identifikasi kegagalan proses pada proses produksi sarung tangan lateks ini hanya menyusun komponen pembentuk qualifier dan choice. Komponen variable tidak disusun karena sistem ini tidak memberikan keleluasaan kepada user untuk memasukkan input berupa angka. User hanya diberikan pilihan untuk menjawab “Ya” atau “Tidak” saja berdasarkan hal yang diamati. Qualifier List - Efek Dari Kegagalan Proses E1 = Lateks kurang stabil (mudah menggupal dan mudah membentuk lapisan lateks kering permukaan lateks) E2 = Lateks cepat rusak 102 E3 = Timbul pinhole atau fisheye pada produk sarung tangan. E4 = Tampilan produk buruk E5 = Produk sarung tangan mudah sobek atau lengket. E6 = Ketebalan produk sarung tangan bervariasi E7 = Sarung tangan menjadi kasar E8 = Timbul cacat dekok dan kerutan pada produk sarung tangan E9 = Terdapat kotoran pada sarung tangan E10 = Ketebalan produk bervariasi E11 = Gulungan tidak rapih E12 = Gulungan mudah lepas E13 = Timbul bintik-bintik pada bending, warna menjadi coklat, dan susah dilepas dari cetakan E14 = Produk sobek E15 = Produk sulit dilepas dan lengket Choice List - Upaya Penanggulangan • Penerimaan lateks S1 = Diamkan selama 2-4 hari S2 = Penambahan KOH atau laurat sebanyak 1,5 - 2,5 liter dan didiamkan selama 1 malam agar dapat bereaksi S3 = Tingkatkan kebersihan tangki atau gunakan plastik pelindung ke dalam drum S4 = Beli lateks pekat dari pabrik yang berasal dari klon khusus penghasil lateks pekat, misalnya klon GT1. S5 = Lakukan pengenceran dengan air dan KOH 10% S6 = Campur dengan lateks yang tidak mengandung banyak sabun. Setiap pemindahan lateks dilakukan sehati-hati mungkin mempertimbangkan timbulnya buih. Setiap kali penuangan standby harus cukup agar buih naik ke permukaan. Pembersihan buih harus 103 dilakukan dengan benar. Buih dikumpulkan terlebih dahulu di tengah, kemudian selanjutnya dipinggirkan. • Penerimaan bahan kimia S7 = Kembalikan ke pemasok • Dispersi bahan kimia S8 = Pastikan bahwa bahan kimia yang digunakan yaitu Sulphur, ZDEC, ZDBC, ZnO, ZO, TiO2) sesuai ketentuan takaran dan ditimbang dengan timbangan analitis S9 = Waktu proses minimal 2 hari atau sesuai dengan petunjuk operasi S10 = Melakukan pemeriksaan berkala terhadap jumlah dan kondisi bola-bola dispersi S11 = Bola-bola harus memenuhi setengah botol dan setelah ditambah bahan kimia dan air masih menyisakan ruang kosong 1/3 volume botol • Pengomponan lateks S12 = Pengadukan diperlambat, kontinu dan jangan sampai menimbulkan busa S13 = Penuangan didekatkan dengan dinding wadah atau tempelkan ke permukaan lateks S14 = Lamanya pengadukan campuran lateks 60% dengan stabilizer sebelum ditambahkan dispersi kimia harus mencapai 30 menit. Sedangkan lamanya pengadukan campuran lateks 60% (setelah ditambahkan stabilizer, dispersi kimia dan wetting agent) harus mencapai 30 menit. S15 = Saring dengan saringan stainless 100 mesh • Pemeraman kompon lateks S16 = Pemeraman kompon lateks dilakukan minimal selama 2 hari sebelum digunakan dan pembersihan busa dilakukan menggunakan saringan plastik dengan cara diangkat pelan-pelan • Pembuatan koagulan S17 = Naikkan konsentrasi kalsium nitrat dan karbonat S18 = Pemeraman koagulan harus mencapai 1 hari • Pencelupan cetakan ke dalam koagulan 104 S19 = Proses dipping dimulai jika larutan koagulan sudah stabil (30-60 menit setelah pengaturan koagulan selesai). Selain itu, ratakan lapisan koagulan pada cetakan dengan spon agar lapisan koagulan merata pada cetakan. S20 = Pencucian cetakan harus dilakukan sebersih mungkin hingga tidak terdapat kotoran papaun pada cetakan. Bila perlu, menggunakan konsentrasi asam nitrat 1-2% dan temperatur 27-30ºC. • Pencelupan ke dalam kompon lateks S21 = Lateks harus bebas dari bubble, busa, dan pengotor lainnya. Pengadukan dilakukan secara perlahan dan gumpalan lateks harus dikeluarkan dari lateks dip. S22 = Lakukan penyapuan buih setiap kali akan melakukan pencelupan. Penyapuan busa harus dilakukan dengan benar. Busa dikumpulkan terlebih dahulu di tengah, kemudian selanjutnya dipinggirkan. S23 = Lakukan proses penyaringan dengan alat penyaring yang terbuat dari kawat stainless steel dengan mess 100 S24 = Diambil permukaan yang mengental dan tambah stabilizer kemudian diaduk • Pengeringan hasil celup dan bending S25 = Waktu stanby kira-kira 5 menit S26 = Perbaiki cara penggulungan. Lakukan dengan hati-hati dan tidak terburu-buru. • Pencucian (post leaching) S27 = Rendam dengan air panas 50-60ºC selama 30 menit dan bilas dengan air dingin, kemudian masukkan wet powder dan tumbler. • Pengovenan S28 = Kontrol thermometer (thermocouple) dan lakukan kalibrasi serta pengovenan dilakukan selama 1.5-2 jam dengan suhu 85-95ºC • Pemberian powder S29 = Jumlah powder sebaiknya ditambah sesuai dengan kebutuhan 105 S30 = Memberikan pengarahan kepada operator agar dapat memberikan powder secara merata (baik pembedakan kering maupun pembedakan basah) • Stripping S31 =Sebaiknya kuku operator dipotong untuk menghindari sarung tangan menjadi sobek ketika dilepaskan S32 = Sarung tangan dilepaskan dari bagian dalam menjadi bagian luar. Menarik sarung tangan dari bagian cuff dan semuanya terbalik. Pakai sarung tangan katun sehingga kuku tidak kontak langsung dengan karet. S33 = Jumlah powder sebaiknya ditambah sesuai dengan kebutuhan • Tumbling S34 = Sarung tangan dimasukkan ke dalam tumbler per 10 kg. Suhu tumbler di-setting 50-70ºC selama 30 menit. Setelah selesai proses tumbling, sarung tangan dimasukkan ke dalam keranjang. Contoh tampilan sistem pakar dapat dilihat pada Gambar 41 dimana pengguna pertama kali akan ditanyakan mengenai efek kegagalan proses yang ingin diketahui penyebab dan solusinya. Diagram pohon yang menjadi dasar dalam penyusunan basis aturan dalam sistem pakar dapat dilihat pada Gambar 42. Gambar 41 Tampilan Sistem Pakar dalam Menanyakan Masalah 106 E1 E2 F1 C1 S1 C2 S2 F2 C3 S3 F3 C4 S4 C5 S5 F4 C6 S6 F7 C12 S12 C13 S13 F10 C16 S16 F14 C21 S21 C22 S22 E3 E4 F5 C7 S7 E5 F6 C8 S8 C9 S9 C10 S10 C11 S11 F8 C14 S14 F11 C17 S17 F13 C19 S19 C20 S20 E6 E7 F9 C15 S15 E8 F12 C18 S18 E9 F15 C23 S23 F19 C27 S27 E10 F16 C24 S24 E11 F17 C25 S25 E12 F18 C26 S26 E13 F20 C28 C29 S28 E14 F21 C30 C31 F23 E15 C34 S31 C35 S32 C32 S33 F24 C36 S34 F22 C32 S29 C33 S30 Gambar 42 Tree Diagram dalam Sistem Pakar 107 Gambar 43 Tampilan Sistem Pakar dalam Mengkonfirmasi Penyebab Kegagalan Gambar 41 s/d Gambar 45 menjelaskan proses penemuan penyebab kegagalan proses yang mengakibatkan terjadinya pinhole atau fish eye dengan kode E3. Kode ini dapat berasal dari beberapa kegagalan proses seperti dapat dilihat pada Gambar 42. Basis aturan dapat dilihat pada Lampiran 9 sedangkan validation tree dapat dilihat pada Lampiran 10. Gambar 44 Tampilan Sistem Pakar dalam Mengkonfirmasi Penyebab Kegagalan Berikutnya Gambar 44 menampilkan solusi dari sistem pakar mengenai efek kegagalan pinhole dan fish eye. Gambar 45 Tampilan Sistem Pakar dalam Memberikan Solusi 108 6.6 Validasi Model Strategi Pengetahuan Model strategi pengetahuan divalidasi dengan menggunakan teknik face validity (Sargent 1999; Sekaran 2000). Pernyataan yang diajukan adalah modelmodel telah bermakna dan mempresentasikan sistem nyata serta memiliki kemanfaatan dalam aplikasinya untuk kemudian diajukan kepada dua orang pakar dari Pusat Penelitian Karet Bogor yang memiliki latar belakang pendidikan S3. Pilihan jawaban menggunakan skala likert dari mulai sangat tidak setuju sampai dengan sangat setuju. Sistem pendukung keputusan strategi pengetahuan dapat dilihat pada Lampiran 8. Tabel 25 Validasi Model Strategi Pengetahuan No 1 Model Pakar 1 Pakar 2 Setuju Setuju Setuju Sangat setuju Setuju Sangat setuju Sangat setuju Cukup setuju Setuju Sangat setuju 6 Model Pemilihan Strategi Pengembangan Klaster serta area pengetahuan Terkait Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci Model Pemilihan Strategi Manajemen Pengetahuan Model Kodifikasi Pengetahuan Disain Proses Model Kodifikasi Pengetahuan Kegagalan Proses Taksonomi Pengetahuan Cukup Setuju Cukup Setuju 7 Peta Pengetahuan Cukup Setuju Cukup Setuju 2 3 4 5 Keterangan : Pernyataan yang diajukan adalah model-model telah bermakna dan mempresentasikan sistem nyata serta memiliki kemanfaatan dalam aplikasinya Berdasarkan hasil pendapat pakar seperti pada Tabel 25 dapat diketahui bahwa model strategi pengetahuan secara umum telah mempresentasikan sistem nyata serta memiliki kemanfaatan dalam aplikasinya. Nilai yang agak rendah (cukup setuju) terjadi pada model kodifikasi pengetahuan disain proses, taksonomi pengetahuan dan peta pengetahuan. Hal ini memang dikarenakan walaupun model telah menstrukturkan pengetahuan disain proses barang celup lateks namun dalam kodifikasinya belum secara lengkap memuat pengetahuan mengenai disain proses barang celup lateks. 109 7 PERANCANGAN PORTAL MANAJEMEN PENGETAHUAN 7.1. Analisis Kebutuhan Sistem Analisis kebutuhan sistem dimaksudkan untuk mendefinisikan kebutuhan yang harus dipenuhi oleh sistem manajemen pengetahuan yang dibangun. Kebutuhan sistem terbagi atas kebutuhan fungsional serta kebutuhan pengguna. 7.1.1. Kebutuhan Fungsional Kebutuhan fungsional untuk sistem ini adalah sebagai berikut : • Menyediakan informasi tentang pakar. • Menyediakan forum komunikasi antara anggota klaster dan tenaga ahli. • Menyediakan taksonomi pengetahuan. • Adanya fasilitas untuk menambahkan taksonomi pengetahuan. • Menyediakan fasilitas khusus untuk pakar memberikan proses berbagi pengetahuan dalam bentuk artikel. • Tersedia fasilitas untuk administrasi portal. • Mengelola profil pengguna. • Membuat halaman baru untuk artikel. • Membuat topik baru pada forum. • Mengelola forum dan berita. • Mengelola artikel yang dikirim oleh pakar. • Mengubah template. • Mengubah struktur menu. • Tersedia menu login dan verifikasi pengguna. • Tersedia fasilitas pencarian pada website. 7.1.2. Kebutuhan Pengguna Pengguna dan kebutuhannya dapat dikategorikan sebagai : 1. Pengguna umum dari kalangan biasa yang mengunjungi portal, sekedar mencari judul-judul artikel mengenai klaster barang jadi lateks dan 110 teknologi barang jadi lateks. Di dalam sistem portal manajemen pengetahuan ini, pengguna diklasifikasikan sebagai guest (tamu). 2. Pengguna yang berasal dari anggota klaster barang jadi lateks diharapkan dapat : 1. Memperoleh informasi terkini terkait dengan pengembangan klaster industri barang jadi lateks 2. Berkomunikasi dengan anggota klaster lain atau pakar untuk menyelesaikan permasalahan yang dihadapi. 3. Mendapatkan informasi tentang profil pakar dari peneliti 4. Mendapatkan pengetahuan tentang teknologi barang jadi lateks dalam bentuk taksonomi. 5. Mengikuti perkembangan terkini terkait dengan inovasi dan teknologi barang jadi lateks dengan aktif dalam forum diskusi yang ada. 3. Pengguna dari kalangan pakar teknologi lateks dari peneliti atau industri yang diharapkan dapat : 1. Melakukan proses berbagi pengetahuan kepada anggota klaster dengan cara mempublikasikan hasil penelitian terkini terkait dengan inovasi dan teknologi barang jadi lateks 2. Memberikan dukungan terhadap pemecahan masalah yang dihadapi oleh para anggota klaster terkait dengan teknologi barang jadi lateks 3. Memberikan informasi tentang profil dirinya yang diharapkan dapat memudahkan masyarakat untuk mencari tahu spesifikasi masing – masing pakar. 4. Pengguna yang bertindak sebagai admin yang diharapkan dapat : 1. Mengelola informasi yang tersedia. 2. Melakukan pemeliharaan terhadap portal. 3. Membuat forum baru. 7.2. Perancangan Sistem Perancangan dilakukan dengan menggambarkan model dari fungsi sistem yaitu dengan menggunakan pemodelan UML khususnya pemodelan use case. 111 Setelah itu dibuatlah rancangan tampilan dari sistem portal manajemen pengetahuan sebagai sarana interaksi antara pemakai (user) dengan komputer. Pada Portal Manajemen Pengetahuan terdapat 6 fasilitas utama yaitu register, login, kelola profil, forum, perpustakaan dan kelola web seperti dapat dilihat pada Gambar 46. Gambar 46 Use Case Sistem Portal Manajemen Pengetahuan Use Case Register. Aktor : Guest, Admin, Sistem. Skenario keberhasilan. 1. Guest memilih menu registrasi yang sudah disediakan. 2. Sistem menampilkan form yang harus diisi guest. 3. Guest mengisi form dan menekan tombol submit. 4. Admin memproses dengan cara mengizinkan atau menolak member. 5. Jika diijinkan maka member dapat melakukan login dan berinteraksi di dalam portal. 112 Use Case Login. Aktor : Admin, Member, Moderator, Sistem. Skenario keberhasilan. 1. Sistem menyediakan form untuk login. 2. Admin memasukkan username dan password dan menekan tombol submit untuk login sebagai admin. 3. Moderator memasukkan username dan password dan menekan tombol submit untuk login sebagai moderator. 4. Member memasukkan username dan password dan menekan tombol submit untuk login sebagai member. 5. Sistem memverifikasi member / moderator / admin untuk menolak atau mengizinkan user untuk masuk sesuai dengan hasil verifikasi. Use Case Kelola Profil. Aktor : Admin, Member, Moderator, Sistem. Skenario keberhasilan. 1. Admin / member / moderator yang sudah login dapat mengakses menu kelola profil. 2. Sistem memberikan form isian kepada admin / member / moderator yang terautentifikasi untuk melakukan pengisian form. 3. Admin / member / moderator memberikan isian pada form dan menyimpan dengan menekan tombol save yang tersedia. 4. Sistem akan menyimpan ke dalam database pengguna dan menampilkan profil pengguna kepada pengguna dan admin. 5. Admin dapat mengubah atau menghapus profil pengguna. Use Case Forum. Aktor : Admin, Member, Moderator , Sistem. Skenario keberhasilan. 1. Admin dapat membuat atau menentukan judul forum serta mengubah dan menghapus topik dalam forum. 113 2. Moderator dapat membuat topik dalam forum serta mengubah topik yang telah dibuat oleh moderator tersebut di dalam forum. 3. Member terautentifikasi dapat menulis topik baru serta mengubah topik yang telah dibuat serta menanggapi atau bertanya di dalam sebuah topik. 4. Pengguna guest tidak dapat melihat ataupun menulis topik baru serta menanggapi sebuah topik di dalam forum. Use Case Perpustakaan. Aktor : Admin, Member, Moderator, Guest, Sistem. Skenario keberhasilan. 1. Sistem menyediakan 2 pilihan yakni artikel dan peta pengetahuan. 2. Jika guest memilih menu perpustakaan dan memilih menu lihat artikel maka sistem akan menampilkan sejumlah judul artikel namun guest tidak memiliki akses untuk melihat artikel, membuka abstrak maupun mengunduh attachment file artikel. 3. a. Jika moderator, admin atau member memilih menu perpustakaan dan memilih menu lihat artikel maka sistem akan menampilkan sejumlah artikel yang di dalamnya terdiri dari judul artikel, abstrak artikel serta file attachment artikel yang dapat diunduh oleh member. b. Jika moderator, admin atau member memilih menu perpustakaan dan memilih menu lihat peta pengetahuan maka sistem akan menampilkan sejumlah hyperlink yang dapat dipilih user untuk menampilkan gambar taksonomi. 4. a. Jika moderator atau admin memilih menu perpustakaan dan memilih menu unggah artikel, maka sistem akan menampilkan form yang dapat diisikan oleh moderator / admin sebagai tulisan yang dapat dibaca oleh member, admin dan moderator. b. Jika moderator atau admin memilih menu perpustakaan dan memilih menu upload FreeMind map maka sistem akan menampilkan dialog box untuk mengunggah file FreeMind map yang sudah diolah. 114 Use Case Kelola Web. Aktor : Sistem, Admin. Skenario keberhasilan. Dari menu content management, admin dapat : 1. Menyetujui atau menghapus comment. 2. Menyetujui atau menghapus artikel maupun halaman. 3. Mengatur tipe beberapa content yang siap dipublikasikan / menunggu moderasi untuk dipublikasikan. 4. Mengatur aturan yang digunakan di dalam forum. 5. Membuat pengaturan yang digunakan di dalam setiap post. 7. Membuat aturan yang digunakan untuk taxonomy penulisan. Dari menu site building, admin dapat : 1. Membuat pengaturan penempatan untuk setiap blok content . 2. Membuat pengaturan jenis penanda (flags) untuk setiap node maupun role. 3. Melakukan pengaturan fungsi navigasi untuk setiap menu. 4. Membuat primary link (tautan primer) serta menentukan pengaturan atas tautan tersebut. 5. Membuat secondary link (tautan sekunder) serta menentukan pengaturan atas tautan tersebut. 6. Melakukan pengaturan atas module untuk setiap halaman / post. 7. Melihat service yang aktif untuk setiap module yang digunakan. 8. Melakukan pengaturan themes / tampilan portal manajemen pengetahuan. 9. Melakukan pengaturan terhadap trigger / pemicu suatu sistem peristiwa. 10. Melakukan pengaturan terhadap node yang dapat di tampilkan / tidak dapat ditampilkan. Dari menu site configuration, admin dapat : 115 1. Melakukan pengaturan terhadap tugas individu yang dapat dilakukan / tidak dapat dilakukan. 2. Melakukan pengaturan terhadap tema apa yang digunakan pada menu administration. 3. Melakukan pengaturan terhadap portal bersih dari URL 4. Melakukan pengaturan zona waktu, awal hari dalam seminggu dan pengaturan format penulisan penanggalan. 5. Melakukan pengaturan apabila pengguna menemukan halaman yang ditolak (403) maupun halaman yang tidak ditemukan (404). 6. Melakukan pengaturan terhadap lokasi dimana file disimpan. 7. Melakukan pengaturan terhadap tipe file gambar seperti apa yang dapat disimpan. 8. Melakukan pengaturan terhadap layanan Graph Mind. 9. Melakukan pengaturan terhadap perangkat yang digunakan untuk mengolah gambar. 10. Melakukan pengaturan terhadap cara pengguna memproses text dalam portal manajemen pengetahuan. 11. Melakukan pengaturan terhadap maksimal jumlah baris yang dapat disimpan pada database 12. Melakukan pengaturan pengaktifan cache halaman untuk menawarkan peningkatan kinerja portal yang signifikan. 13. Melakukan pengaturan nama portal, nama email address admin, slogan portal, misi portal, pesan bagian bawah portal. 14. Melakukan pengaturan status portal online / offline. 15. Melakukan pengaturan format masukan WYSIWYG. Dari menu user management, admin dapat : 1. Melakukan pengaturan izin akses untuk klasifikasi tipe pengguna. 2. Melakukan pengaturan klasifikasi tipe pengguna. 3. Melakukan pengaturan registrasi pengguna. 4. Melakukan pengaturan verifikasi pengguna baru. 116 Dari menu reports, admin dapat : 1. Melihat catatan pantauan proses yang telah terjadi dalam portal manajemen pengetahuan. 2. Melihat catatan pantauan proses kesalahan penolakan akses yang sering terjadi dalam portal manajemen pengetahuan. 3. Melihat catatan pantauan proses kesalahan halaman tidak ditemukan yang sering terjadi dalam portal manajemen pengetahuan. 4. Melihat dan melakukan pembaruan atas sistem dasar yang digunakan dalam portal manajemen pengetahuan. 5. Melihat rangkuman singkat parameter situs serta masalah yang terdeteksi di dalam portal manajemen pengetahuan. Setelah melakukan login, seorang member dari portal manajemen pengetahuan mendapatkan akses penuh ke seluruh fasilitas dan fitur – fitur yang ada pada portal ini. Adapun fitur yang disediakan oleh portal manajemen pengetahuan antara lain : - Perpustakaan (Artikel & Peta Pengetahuan) - Forum - Cari Pakar - My Bookmarks Gambar 47 menampilkan contoh artikel yang dapat dilihat oleh anggota klaster. Artikel tersebut dapat di upload oleh moderator atau admin. Para member juga dapat men-download artikel tersebut. 117 Gambar 47. Menu Lihat Artikel Gambar 48 Menu Lihat Peta Pengetahuan 118 Gambar 48 menampilkan taksonomi pengetahuan teknologi proses barang jadi lateks. Berdasarkan taksonomi tersebut kemudian dapat dilihat lebih lanjut mengenai peta pengetahuan atau dokumen pengetahuan lain yang terkait. Gambar 49 dan Gambar 50 menampilkan fasilitas untuk input profil pengguna agar sesama anggota klaster dapat mengetahui profilnya serta fasilitas pencarian pakar baik di bidang manajemen atau proses yang terkait dengan inovasi dan teknologi dalam klaster. Gambar 49 Menu Input profil pengguna Gambar 50 Menu Cari Pakar 119 VIII. IMPLIKASI MODEL 8.1. Implikasi Teoritis Berdasarkan verifikasi terhadap model strategi pengembangan klaster dapat diketahui bahwa perspektif pengembangan klaster dengan prioritas tertinggi perspektif adalah perpektif efisiensi kolektif. Hal ini sejalan dengan penelitian Marijan (2005), Schmitz (1997) dan Schmitz et al. (1997) yang mengatakan bahwa upaya mengembangkan industri kecil menengah yang mampu bersaing di pasar internasional bisa dilakukan melalui pendekatan kluster (cluster approach) karena memungkinkan terjadinya efisiensi kolektif atau keunggulan kompetitif yang disebabkan oleh external economies dan joint action (aksi bersama). Efesiensi kolektif yang disebabkan oleh external economies, dalam pandangan Schmitz (1997) diperoleh lebih banyak disebabkan oleh lokasi yang berdekatan. Melalui lokasi yang berdekatan ini perusahaan-perusahaan yang ada di dalamnya secara mudah bisa memperoleh tenaga kerja yang dibutuhkan, memudahkan perusahaan-perusahaan itu berhubungan dengan para pemasok dan pembeli. Aksi bersama juga dapat dilakukan antara lain dalam rangka pembelian bahan baku secara bersama atau kemungkinan kerja sama penelitian dengan lembaga pendukung. Pilihan strategi yang terpilih dalam rangka pengembangan klaster industri barang jadi lateks berbasis pengetahuan adalah strategi inovasi dan teknologi. Hal ini juga mengkonfirmasi beberapa penelitian sebelumnya antara lain oleh Andersen (2010) yang menyatakan bahwa inovasi saat ini dipertimbangkan menjadi pendorong utama terhadap keunggulan daya saing dan pertumbuhan ekonomi. Keterkaitan antara klaster dengan inovasi juga dimungkinkan karena dalam klaster memungkinkan tersedianya tenaga kerja yang memiliki ketrampilan khusus dan sangat dibutuhkan oleh perusahaan-perusahaan (labour pool) dan adanya pertukaran pengetahuan (knowledge spill-over). Berdasarkan verifikasi model strategi manajemen pengetahuan dapat diketahui bahwa strategi yang paling sesuai untuk mendukung strategi inovasi dan teknologi adalah strategi kombinasi antara kodifikasi dan personalisasi. Hal ini juga mengkonfirmasi hasil penelitian dari Nicolas (2004) yang menunjukkan 120 bahwa strategi kombinasi atau sosialisasi semakin banyak digunakan (53%). Faktor atau kriteria yang paling dipentingkan dalam rangka implementasi strategi manajemen pengetahuan adalah faktor budaya dan orang, dikuti oleh dukungan pemerintah, komunikasi, biaya dan waktu. Pentingnya faktor budaya dan orang dalam rangka implementasi strategi manajemen pengetahuan mengkonfirmasi teori yang dikemukakan oleh Leidner et al. (2006) yang mengatakan bahwa budaya organisasi berpengaruh terhadap implementasi manajemen pengetahuan dan sekaligus kegagalan dalam mengubah budaya berbagi pengetahuan menjadi faktor penghambat implementasi manajemen pengetahuan. Inovasi Rekan : Industri, UKM, Pemerintah Data, Informasi Pengetahuan Bagaimana cara Mengajar Belajar Berbagi Community of Practice (CoP) Para Peneliti / Pakar Teknologi Lateks Celup (BPTK, Batan, BPPT, Perguruan Tinggi, Pemasok Bahan Kimia Lateks) Referensi Kepustakaan Internaisasi Sosialisasi Eksternalisasi Publikasi Berbagi Kombinasi Portal Pengetahuan (forum diskusi, taksonomi pengetahuan lateks celup, artikel, sistem pakar) Gambar 51 Diagram Konseptual Aliran Pengetahuan dalam Klaster Industri Barang Jadi Lateks Implikasi teoritis penelitian ini juga terkait dengan model kreasi pengetahuan atau model SECI (Socialization, Externalization, Combination, Internalization) yang dikemukakan oleh Nonaka dan Takeuchi (1995). Proses eksternalisasi dalam penelitian ini menggunakan model kodifikasi pengetahuan disain proses melalui FQFD dan peta pengetahuan serta model kodifikasi pengetahuan kegagalan proses FFMEA. Kombinasi dilakukan dalam pembuatan taksonomi pengetahuan dan peta pengetahuan oleh moderator atau admin. Internalisasi mengacu pada penciptaan pengetahuan tersembunyi baru dari pengetahuan eksplisit. Adapun personalisasi sangat erat kaitannya dengan tahap sosialisasi (Pei, 2008) pada model SECI. Secara jelas proses konversi 121 pengetahuan dalam kerangka model SECI yang dikembangkan dari Van Horne et al. (2005) dapat dilihat pada Gambar 51. 8.2 Implikasi Manajerial Dalam konteks operasional lembaga seperti Balai Penelitian Teknologi Karet (BPTK) Bogor yang saat ini berubah menjadi Pusat Penelitian Karet Bogor dinilai sebagai lembaga yang paling tepat sebagai motor terbentuknya klaster industri barang jadi lateks berbasis pengetahuan. Keberadaan sentra-sentra industri barang jadi lateks di Jawa Barat dan Banten serta letaknya yang berdekatan dengan Pusat Penelitian Karet Bogor memungkinkan terjadi proses berbagi pengetahuan baik secara personalisasi (face to face) dan juga kodifikasi (via portal). Dalam konteks klaster, strategi personalisasi juga diusulkan dilakukan dengan pembentukan komunitas keahlian atau yang dikenal dengan nama Community of Practice (CoP). CoP adalah sekelompok orang yang berbagi suatu perhatian atau minat untuk sesuatu yang mereka ketahui bagaimana melakukannya serta mereka yang saling berinteraksi secara teratur dengan tujuan untuk belajar bagaimana cara melakukan sesuatu itu secara lebih baik (Wenger, 2004). CoP berorientasi pada pertukaran pengalaman atau praktek-raktek terbaik (best practices) yang telah dilakukan oleh para peneliti barang celup lateks yang tersebar pada beberapa institusi seperti BPTK Bogor, BATAN, BPPT, perguruan tinggi serta pemasok bahan kimia. Pemerintah diharapkan berperan dalam hal pemberian insentif sehingga transfer teknologi dari para pakar dalam CoP dapat berlangsung. Bentuk insentif antara lain dapat berupa insentif teknologi atau lisensi teknologi. Secara terintegrasi model-model yang dibangun dalam rangka pengembangan klaster industri barang jadi lateks di Jawa Barat dan Banten dapat dilihat pada Gambar 52. Model yang merupakan pengembangan dari model Strategi Pengetahuan (Zack, 1999) dan Nonaka dan Takeuchi (1995) ini diawali dengan pemilihan strategi klaster disertai aktor, perspektif dan tujuan serta area pengetahuan terkait. Analisis kesenjangan pengetahuan kemudian dilakukan terhadap aktor tersebut untuk kemudian bisa didapatkan beberapa area pengetahuan kunci. Area pengetahuan tersebut dikelola melalui strategi 122 manajemen pengetahuan serta proses manajemen pengetahuan menggunakan model SECI. • Model Strategi Manajemen Pengetahuan (FAHP) • Proses Manajemen Pengetahuan Sosialisasi CoP, Pertemuan Ilmiah, Pelatihan Eksternalisasi Model Kodifikasi Pengetahuan Disain Proses (FQFD, taksonomi dan peta pengetahuan) Model Kodifikasi Pengetahuan Kegagalan Proses ( FFMEA, Sistem, Pakar) Kombinasi Portal, Peta Pengetahuan Apa yang klaster harus ketahui (pengetahuan terkait) Model Analisis Kesenjangan pengetahuan (FIS Sugeno) Apa yang klaster telah ketahui Apa yang klaster harus lakukan (FAHP) Aktor, Perspektif, Tujuan, strategi Kesenjangan strategi Apa yang klaster dapat lakukan Internalisasi (Eksperimen) Gambar 52 Model Manajemen Pengetahuan pada Klaster Industri Barang Jadi Lateks di Jawa Barat dan Banten 8.3. Kelebihan dan Kekurangan Model Model yang dikembangkan memiliki beberapa kelebihan antara lain bahwa model telah dapat memfasilitasi perumusan strategi dan proses manajemen pengetahuan. Model juga telah sistematis menentukan tujuan manajemen pengetahuan yang dikemas dalam model strategi pengembangan klaster serta menentukan jenis pengetahuan yang paling penting untuk dikelola melalui model penentuan area pengetahuan kunci. Kelemahan dari model yang dikembangkan adalah belum secara mendalam mengkaji mengenai aspek budaya berbagi pengetahuan dan karakteristik perilaku orang atau organisasi dalam klaster. Model juga memiliki kelemahan dalam hal asumsi berbagi pengetahuan dapat terjadi dalam klaster. Asumsi tersebut hanya didasarkan adanya kegiatan berbagi pengetahuan yang terjadi selama ini yaitu pelatihan teknologi lateks oleh BPTK yang rutin sebanyak 2 kali setahun serta kerjasama penelitian antara industri dan pusat penelitian. 123 9 KESIMPULAN DAN SARAN 9.1 Kesimpulan 1. Sistem pendukung keputusan strategi pengetahuan dapat digunakan untuk menyusun strategi pengetahuan untuk pengembangan klaster industri barang jadi lateks di Jawa Barat dan Banten. Komponen sistem terdiri atas (a) sistem manajemen basis model yang berisi model pemilihan strategi pengembangan klaster dan area pengetahuan terkait, model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci, model pemilihan strategi manajemen pengetahuan, model kodifikasi pengetahuan disain proses serta model kodifikasi pengetahuan kegagalan proses; (b) sistem manajemen basis data yang berisi data penilaian pakar mengenai perbandingan berpasangan antar kriteria dan alternatif dalam perumusan strategi, data penilaian pakar terhadap kebutuhan dan kondisi area pengetahuan saat ini serta data penilaian pakar mengenai tingkat kepentingan karakteristik teknis produk serta keterkaitan karakteristik teknis dan proses; (c) sistem manajemen basis pengetahuan yang berisi basis aturan mengenai cara mengatasi kegagalan proses; (d) sistem dialog terhadap pengguna sehingga pengguna akan mudah menggunakannya. 2. Model pemilihan strategi pengembangan klaster dibangun dalam bentuk hirarki keputusan yang tersusun atas beberapa level yaitu aktor, perspektif, tujuan strategis dan alternatif strategi. Perspektif yang digunakan adalah empat perspektif untuk mengukur kinerja suatu klaster industri yaitu kinerja perusahaan, hasil sosial dan ekonomi, efisiensi kolektif dan modal sosial. Tujuan strategis dalam perspektif kinerja perusahaan adalah peningkatan pasar serta peningkatan produktivitas dan kualitas. Tujuan strategis dalam perspektif hasil sosial dan ekonomi adalah peningkatan lapangan pekerjaan, peningkatan ketersediaan tenaga kerja terspesialisasi, peningkatan kemampuan inovasi dan peningkatan konsumsi karet alam. Tujuan strategis dalam efesiensi kolektif adalah penurunan biaya dan peningkatan kerjasama. Tujuan strategis dalam perspektif modal sosial adalah peningkatan jumlah anggota klaster yang terlibat dalam kerjasama. 124 Inisiatif strategi klaster ditetapkan ada 3 yaitu inovasi dan teknologi (peningkatan kemampuan produksi, difusi teknologi dan standar teknik), kerjasama komersial (pemasaran ekspor dan pengadaan bahan baku) serta pengembangan bisnis. Hasil verifikasi terhadap model pemilihan strategi pengembangan klaster dengan studi kasus pada klaster barang jadi lateks di Jawa Barat dan Banten menunjukkan bahwa aktor yang paling berperan dalam pengembangan klaster adalah Lembaga Pendukung dengan diikuti oleh Pemerintah Daerah dan pelaku industri itu sendiri. Inisiatif pengembangan klaster yang paling penting dilakukan untuk mencapai tujuan strategis pengembangan klaster adalah inisiatif inovasi dan teknologi dengan area pengetahuan terkait adalah pengetahuan teknologi proses. 3. Model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci didasarkan pada penilaian terhadap pengetahuan aktor terhadap beberapa area pengetahuan dalam hal tingkat kebutuhan atau kepentingannya serta kondisi penguasaan saat ini. Hasilnya kemudian dipetakan dalam suatu matriks kesenjangan pengetahuan menggunakan logika fuzzy. Verifikasi terhadap model analisis kesenjangan pengetahuan dan area pengetahuan kunci didapatkan bahwa masih terdapat kesenjangan pengetahuan terhadap aktor utama pelaksana strategi inovasi dan teknologi. Terdapat sembilan area pengetahuan yang perlu menjadi prioritas pengembangan dalam manajemen pengetahuan yaitu formulasi kompon, formulasi koagulan, pemeriksaan bahan baku, pembuatan dispersi, pemeriksaan dispersi, penjadian kompon, pencucian, vulkanisasi, dan pemeriksaan produk serta analisis kegagalan. Area pengetahuan formulasi kompon berada pada daerah red alert zone yang paling utama dimana area ini harus menjadi prioritas paling utama. Tingkat kesulitan pada penguasaan area pengetahuan ini antara lain karena formula kompon lateks pada umumnya disesuaikan dengan jenis produk yang akan dihasilkan karena umumnya mempunyai sifat tertentu yang diutamakan. 4. Model pemilihan strategi manajemen pengetahuan yang ditujukan untuk memperkecil kesenjangan pengetahuan yang terjadi, dibangun dalam 125 bentuk hirarki keputusan dua level yaitu kriteria dan alternatif strategi. Hasil verifikasi model menunjukkan bahwa faktor yang paling dipentingkan dalam rangka implementasi strategi manajemen pengetahuan adalah faktor budaya dan orang, dikuti oleh dukungan pemerintah, komunikasi, biaya dan waktu. Strategi manajemen pengetahuan yang perlu dilakukan adalah strategi kombinasi antara kodifikasi dan personalisasi. Aspek budaya dan orang sebagai aspek utama dalam implementasi manajemen pengetahuan dikelola dengan pembentukan komunitas keahlian atau CoP yang berfungsi media saling berbagi pengetahuan antar pelaku atau peneliti dalam lembaga pendukung sebagai aktor yang paling berperan dalam pengembangan klaster. 5. Model kodifikasi pengetahuan disain proses dirancang menggunakan teknik fuzzy quality function deployment, taksonomi pengetahuan dan peta pengetahuan. Hasil verifikasi terhadap model menunjukkan bahwa bahwa peringkat tertinggi area pengetahuan yang memiliki keterkaitan tinggi terhadap karakteristik teknis produk adalah adalah proses penjadian kompon, sistem vulkanisasi, pematangan atau vulkanisasi serta kondisi dan jenis lateks pekat. 6. Model kodifikasi pengetahuan kegagalan proses dirancang menggunakan teknik fuzzy failure mode and effect analysis dan sistem pakar. Hasil verifikasi model kodifikasi kegagalan proses menunjukkan bahwa beberapa jenis kegagalan proses memiliki nilai terbesar yaitu lateks berbau busuk atau tidak berwarna putih saat penerimaan lateks, timbul busa pada ka ompon lateks pada saat pengomponan atau pencampuran lateks dengan dispersi bahan kimia serta masih terdapat buih pada kompon lateks pada saat pemeraman lateks. 7. Validasi model dengan menggunakan pendapat pakar menunjukkan hasil bahwa model-model strategi pengetahuan dinyatakan telah bermakna dan mempresentasikan sistem nyata serta memiliki kemanfaatan dalam aplikasinya 8. Proses konversi pengetahuan dalam klaster dikemas dalam bentuk kombinasi antara pertemuan langsung dengan portal manajemen 126 pengetahuan. Portal dikelola oleh suatu komunitas keahlian yang dikenal dengan nama community of practice yang berorientasi pada pertukaran pengalaman atau praktek-raktek terbaik (best practices) yang telah dilakukan oleh para peneliti barang jadi lateks yang tersebar pada beberapa institusi seperti BPTK Bogor, BATAN, BPPT, perguruan tinggi serta pemasok bahan kimia. 9.2 Saran 1. Perlu dilakukan penelitian lanjutan mengenai model kelembagaan manajemen pengetahuan untuk suatu klaster industri. Hal ini sangat diperlukan guna terus menjaga dan meningkatkan kolaborasi antar pelaku klaster. 2. Perlu dilakukan penelitian lanjutan mengenai aspek budaya dan orang dalam klaster karena berdasarkan hasil penelitian ini faktor tersebutlah yang paling menentukan untuk implementasi strategi manajemen pengetahuan. Diperlukan penelitian yang lebih mendalam terutama dalam budaya berbagi pengetahuan antar organisasi atau dalam lingkup regional atau klaster. 3. Perlu dikaji lebih mendalam mengenai peran pemerintah sebagai salah satu aktor dalam pengembangan klaster dalam memberikan insentif guna memacu proses berbagi pengetahuan. Melalui kegiatan insentif transfer pengetahuan yang dijembatani oleh pemerintah ini diharapkan akses terhadap industri barang jadi lateks lebih terbuka, para pakar yang dibidang karet juga dapat mentransfer pengetahuannya serta berbagai hasil penemuan di bidang teknologi dapat didifusikan dan diterapkan pada industri barang jadi lateks skala kecil dan menengah. 127 DAFTAR PUSTAKA Abdollahi A, A Rezaeian, M Mohseni. 2008. Knowledge Strategy : Linking Knowledge Resources to Competitive Strategy. World Applied Science Journal. Vol 4 (2) : 8-11 Albaladejo M. 2001. Determinants and policies to foster the competitiveness of SME clusters: Evidence from Latin America. QEH Working Paper Series Number 71 Akao Y. 2003. QFD and Administrative Knowledge Management. Orlando : ISQFD Andersen CE. 2010. Knowledge-based innovation and the benefits of clustering A study of the Norwegian offshore industry [Thesis] .BI Norwegian School of Management Arendt M. 2008. Six Sigma and Knowledge Management. Institute of Organization and Management in Industry “ORGMASZ”. Vol 2 (2) : 1420 Baalen PV, Jacquelin BR, Eric VH. 2005. Knowledge Sharing in an Emerging Network of Practise : The Role of a Knowledge Portal. European Management Journal. Vol 23 (3) : 300-314 Besterfield D, Carol B, Glen B, Mary B. 1995. Total Quality Management. New Jersey : Prentice Hall Berg, C. 2009. An Experience In Knowledge Mapping. Journal of Knowledge Management. Vol. 9 (2):123-128 [BPTK] Balai Penelitian Teknologi Karet Bogor. 2002. Modul Kursus Teknologi Barang Jadi Lateks. Bogor [BPPT] Badan Pengkajian dan Penerapan Teknologi. 2003. Pengembangan Klaster Industri Unggulan Daerah – Panduan. [BPS] Badan Pusat Statistik. 2006. Direktori Industri Karet dan Barang dari Karet. Carrion GC. 2006. Understanding the link between knowledge management and firm performance: articulating and codifying critical knowledge areas. International Journal of Knowledge and Learning. Vol. 2 (3) : 238 – 262 Carpinetti L, Edwin V, Gerolamo C. 2008. A measurement system for managing performance of industrial clusters. International Journal of Productivity and Performance Management 57 (5) : 405-419. Cerdan AL, Carolina LN, Ramon SS. 2007. Knowledge management strategy diagnosis from KM instruments use. Journal of knowledge management 11 (2) : 60-72. Chien C, Tsai H. 2000. Using fuzzy numbers to evaluate perceived service quality. Fuzzy Sets and Systems, 116, 289-300. Chen Z, Xiangzhen X. 2010. Study on Construction of Knowledge Management System Based on Enhancing Core Competence of Industrial Clusters. International Journal of Business and Management 5 (3). Cheung A, WH Ip, Dawei L. 2005. Expert system for aircraft maintenance services industry. Journal of Quality in Maintenance Engineering. Vol 11 (4) : 348-358 128 Clarke J, Turner P. 2004. Global Competition and the Australian Biotechnology Industry : Developing a Model of SMEs Knowledge Management Strategies. Knowledge and Process Management 11(1) : 38-46. David FR. 2003. Manajemen Strategis – Konsep-konsep . Edisi ke-9. Terjemahan. Prentice Hall Davenport TH, Prusak L. 1998. Working Knowledge : How Organizations Manage What They Know . Boston : Harvard Business School Press Denford JS, YE Chan. 2011. Knowledge strategy typologies : defining dimensions and relationships. Knowledge Management Research and Practise. Vol 9 : 102-119 Deng WJ. 2008. Fuzzy importance-performance analysis for determining critical service attributes. International Journal of Service Industry Management. Vol 19 (2) : 252-270 Des G. 2005. Strategic Management – creating competitive advantages. Second edition. Boston : Mc Graw-Hill DTI. 2005. A practical guide to cluster development. Report to Department of Trade and Industry and the English RDAs. London : Ecotec Research & Consulting Dyer JH, H Singh. 1998. The Relational View : Cooperative Strategy and Sources of Interorganizational Competitive Advantage. Academy of Management Review. Vol 23 No. 4 : Eriyatno.1999. Ilmu Sistem : Meningkatkan mutu dan efektifitas manajemen. Bogor : IPB Press Febriyanti L. 2006. Strategi manajemen pengetahuan (knowledge management strategy) di PT. Perkebunan Nusantara VIII Gunung Mas Bogor. [Tesis]. Bogor : Sekolah Pascasarjana Institut Pertanian Bogor. Ferasso M, Lilia MV, Corinne G. 2010. Enterprises' Knowledge Creation within a Brazilian's Industrial Cluster. IIMS Journal of Management Science.Vol.1 (1) :79-92 Fu H, YC Ho, Roger CY, T Chang, PH Chien. 2006. Factors affecting the adoption of electronic marketplaces - A fuzzy AHP analysis International. Journal of Operations and Production Management. Vol. 26 (12): 13011324 Greiner ME, Bohmann T dan Krcmar H. 2007. A strategy for knowledge management. Journal of knowledge management. Vol. 11(6): 3-15 Haris U. 2006. Rekayasa Model Aliansi Strategis Sistem Agroindustri Crumb Rubber [Disertasi]. Bogor : Sekolah Pascasarjana Institut Pertanian Bogor Hartarto A. 2004. Strategi Clustering dalam Industrialisasi Indonesia. Yogyakarta : ANDI Huseini M. 1999. Mencermati Misteri Globalisasi. Di dalam : Orasi Ilmiah Fakultas Ilmu Sosial dan Politik Universitas Indonesia. Jakarta : Universitas Indonesia [IRGMA] Indonesian Rubber Glove Manufacturers Association. 2005. [IRSG] International Rubber Study Group. 2010. World Rubber Industry Outlook. [ISO] International Organization for Standardization. 2004. ISO/TC 45 Rubber and Rubber Product Business Plan. Kaplan RS dan Norton DP. 2004. Strategy map : converting intangible assets into tangible outcomes. Boston : Harvard Business School Press. 129 Karaev A. 2007.The cluster approach and SME competitiveness: a review. Journal of Manufacturing Technology Management. Vol. 18 (7) : 818-835 Ketels C, G Lindqvist, O Solvell. 2008. Clusters and Cluster Initiatives. Stockholm : Center for Strategy and Competitiveness Kotler P. 1997. Marketing Management : Analysis, Planning, Implementation and Control. London : Prentice Hall Kusbiantono, Ariana L, Agus S, Amir A. 2005. Tacit Knowledge, Formal Knowledge dan Learning (Pembelajaran) Organization pada Usaha Kecil dan Menengah : Studi Eksplorasi dari Pengusaha UKM Sukses. Lembaga Ilmu Pengetahuan Indonesia, Jakarta. Kusumadewi, S. 2010. Aplikasi Logika Fuzzy untuk Pendukung Keputusan . Edisi 2. Yogyakarta : Graha Ilmu. Kwong CK dan Bai H. 2002. A Fuzzy AHP Approach to The Determination of Importance Weights of Customer Requirements in Quality Function Deployment. Journal of Intelligent Manufacturing 13 : 367-377. Leidner D, M Alavi, Timothy K. 2006. The Role of Culture in Knowledge Management : A Case Study of Two Global Firms. International Journal of e-Collaboration Vol. 2(1) : 17-40 Marga U. 2007. Teknologi Lateks Alam Iradiasi – Solusi Problema Produksi Barang Karet. Tangerang : Badan Tenaga Nuklir Nasional Marimin. 2004. Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. Jakarta : PT Grasindo Marimin. 2005. Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. Bogor : IPB Press Marijan K. 2005. Mengembangkan Industri Kecil Menengah melalui Pendekatan Klaster. INSAN Vol. 7 (3): Marti J. 2004. Strategic knowledge benchmarking system (SKBS) : a knowledgebased strategic management information system for firms. Journal of Knowledge Management 8 : 31-49. McElroy MW. 2002. The New Knowledge Management: Complexity,Learning, and Sustainable Innovation. Boston : KMCI Press/ButterworthHeinemann. Murtaza M. 2003. Fuzzy-AHP Apllication to Country Risk Assestment. American Business Review 21 : 109-116. Nancy C, Suwardin D, Supriadi M. 2001. Kajian Mengenai Pemasaran Lateks : Profil Petani, Industri Lateks Pekat dan Industri Barang Jadi Lateks. Jurnal Penelitian Karet. 19 : 54-76. Natarajan G, S Shekhar. 2001. Knowledge Management Enabling Business Growth. Boston : McGraw-Hill Nicolas R. 2004. Knowledge Management Impact on Decision Making Process. Journal of Knowledge Management 8(1): 20-31. Nelly R, Uhendi H. 2010. Rubber Downstream Industry Development in Indonesia : Current Status, Opportunities and Challenges. Bogor : Bogor Research Center for Rubber Technology Nonaka I, Takeuchi H. 1995. The Knowledge Creating Company. New York : Oxford University Press Inc. Porter ME. 1985. Competitive Advantage – Creating and Sustaining Superior Performance. New York : The Free Press. 130 Porter ME. 1980. Strategi Bersaing – Teknik Menganalisis Industri dan Pesaing. New York : The Free Press, Porter ME. 1990. Competitive Advantage of Nations. New York : The Free Press. Porter ME. 1998. On Competition. A Harvard Business Review Book Pei NS. 2008. Enhancing knowledge creation in organizations. Communications of the IBIMA Vol 3. Puente J, R Pino, P Priore, David F. 2002. A decision support system for applying failure mode and effect analysis. The International Journal of Quality and Reliability Management. Vol 19 (2) : 137-150 Putnam R. 1993. The Prosperous Community – Social Capital and Public Life. American Prospect (13) : 35-42. Ragsdale, C. T. 2001. Teaching management science with spreadsheets: From decision models to decision support. INFORMS Transactions on Education 1. (2) :68-74 Ridha A, Arief P, Uhendi H, Dadang S, Suharto H, Bambang H. 2000. Laporan Akhir Pengembangan Produk Lateks dan Karet untuk Peningkatan Nilai Tambah dan Substitusi Impor. Bogor : Balai Penelitian Teknologi Karet Ross TJ. 2004. Fuzzy logic with Engineering Application. Second Edition. West Sussex : John Wiley & Sons Ltd Sangkala. 2006. Intellectual Capital Management – Strategi Baru Membangun Daya Saing Perusahaan. Jakarta : Yapensi Shansez R, Aime H. 2004. The New Strategic Management : Organization, Competition, and Competence. New York : John Wiley and Sons Sargent, RG. 1999. Validation and Verification of Simulation Model. Proceeding of the 1999 Winter Simulation Conference. Sekaran U. 2000. Research Methods for Business-A Skill-Building Approach. New York : John Wiley & Sons, Inc Scholl W, Christine K, Bertolt M, Peter H. 2004. The future of knowledge management : an international delphy study. Journal of Knowledge Management. Vol 8 : 19-35 Sharma, R K. 2005 Systematic failure mode and effect analysis (FMEA) using fuzzy linguistic modelling. International Journal of Quality & Reability Management. 22 (9):986-1004 Siswanto, Suharyanto, Y Syamsu. 2003. Teknologi Terobosan Pemecahan Masalah Protein Alergen pada Lateks Alam. Bogor : Balai Penelitian Teknologi Karet Shuliang L dan B Davies. 2001. Golstra – A hiybrid system for developing global strategy and associated internet strategy. Management + Data System : 132 Shuliang L, B Davies, J Edwards, R Kinman, Y Duan. 2002. Integrating group Delphi, fuzzy logic and expert systems for marketing strategy development : the hybridisation and its effectiveness, Marketing Intelligence and Planning . Vol. 20 (5) : 273-284. Schmitz H. 1997. Collective Efficiency and Increasing Return. IDS Working Paper 50. Schmitz H, Nadvi K, Humphrey J. 1997. Collective Efficiency: A Way Forward for Small Firms. IDS Policy Briefing. 131 Snyman R, Cornelius JK. 2004. The interdependency betweem strategic management and strategic knowledge management. Journal of Knowledge Management Sölvell O. 2009. Clusters Balancing Evolutionary and Constructive . Stockholm : Ivory Tower Publishers Stevenson WJ. 1996. Productions / Operations Management. Chicago : McGrawHill Sugiarto D, MS Ma’arif. 2004. Integrasi Manajemen Pengetahuan dengan Balanced Scorecard. Jurnal Teknik Industri Universitas Trisakti 3:23-30 Sugiarto D, Marimin. 2005. Pemilihan Produk Hilir Karet Berbasis Lateks Potensial Serta Perumusan Strateginya Dengan Menggunakan Metode AHP, Fuzzy AHP dan Logika Fuzzy. Prosiding Seminar Nasional Operations Research/Management Sciences. Jakarta. Jurusan Teknik Industri Universitas Trisakti. 24 November 2005.hlm 58-70 Suparto D dan Syamsu Y. 2008. Pengembangan Teknologi Tepat Guna Pembuatan Barang Karet Berbasis Lateks Pravulkanisasi. Bogor : Badan Penelitian Teknologi Karet Suryadi, K, Ali R. 2002. Sistem Pendukung keputusan. Bandung : Remaja Rosdakarya Sureephong P. 2007. Knowledge Management System Architecture for the Industry Cluster. Proceeding The International Conference on Industrial Engineering and Engineering Management (IEEM 2007). Singapore. Tay, K M. 2010. Enhancing the Failure Mode and Effect Analysis methodology with fuzzy inference techniques. Journal of Intelligent & Fuzzy System. 21 (2010):135-146 Tesfamariam S, Rehan S. 2006. Risk-based environmental decision-making using fuzzy analytic hierarchy process (F-AHP). Stoch Environ Res Riss Asses. Vol (21) : 35-50 Tiwana A. 2000. The Knowledge Management Tool Kit – Practical Techniques for Building a Knowledge Management System. New Jersey : Prentice Hall Tuomi I. 2002. The Future of Knowledge Management. Lifelong Learning in Europe (LLinE) VII : 69-79. Turban E, JE Aronson, TP Liang. 2005. Decision Support Systems and Intellegent Systems. 7th Ed. Edisi Bahasa Indonesia. Yogyakarta : ANDI Van Horne C, Frayret JM dan Poulin D. 2005. Knowledge management in the forest products industry : the role of centres of expertise. Computers and electronics in agriculture (Available online at www.sciencedirect.com). 47 (3), 167-185. Wenger E. 2004. Knowledge management as a doughnut : shaping your knowledge strategy through communities of practice. Ivey Business Journal Online (Available online at www.iveybusinessjournal.com). 1: 1-8 Wheelen TL, JD Hunger. 2004. Strategic Management and Business Policy. New Jersey : Prentice Hall Wu W dan Lee YT. 2007. Selecting knowledge management strategies by using the analytic network process. Expert Systems with Applications 32 : 841847. 132 Yang T, N Wang. 2008. The Cultivation of Cluster’s Sustainable Competence Based on Knowledge Management. International Journal of Business and Management. Zack MH. 1999. Developing a Knowledge Strategy. California Management Review 41:125-145. Zeinalnezhad M. Muriati M, Shahnorbanun S. 2010. The Role of Clusters and Networks in development of Industrial SMEs. International Conference on Business and Economics Research. Vol.1 (2011). Kuala Lumpur : IACSIT Press 133 Lampiran 1. Kuesioner Pemilihan Inisiatif Strategi Pengembangan Klaster Berbasis Pengetahuan Nama : .................................................. Jabatan : .................................................. Institusi : .................................................. Petunjuk pengisian Kuesioner : Petunjuk pengisian : 1. Berilah tanda silang (x) pada label yang sesuai dengan arti penilaian sebagai berikut : 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) 2. Penilaian dilakukan dengan perbandingan berpasangan yaitu membandingkan kriteria penilaian sebelah kiri atau kolom sama penting (E) ke kiri dengan penilaian sebelah kanan. 3. Kolom penilaian sebelah kiri digunakan jika kriteria sebelah kiri mempunyai pengaruh atau kepentingan yang lebih tinggi, sebaliknya kolom penilaian sebelah kanan digunakan jika kriteria sebelah kanan mempunyai pengaruh atau kepentingan lebih tinggi. 4. Usahakan penilaian Bapak/Ibu konsisten. Misalnya anda menyatakan A lebih penting dari pada B, dan B lebih penting dari pada C, maka penilaian anda konsisten jika menyatakan A lebih penting daripada C. 5. Kriteria dan alternatif yang dibandingkan dapat dilihat pada gambar di bawah. 134 Pengembangan Klaster Industri Barang Celup Lateks Skala Kecil dan Menengah Aktor Penggerak Inisiatif Lembaga Pendukung Pemerintah Industri Perspektif Kinerja Perusahaan Tujuan Strategik Peningkatan Pasar Peningkatan Produktivitas dan Mutu Hasil Sosial/ Ekonomi Efisiensi Kolektif Peningkatan Lapangan Pekerjaan Penurunan Biaya Peningkatan Tenaga Kerja Terspesialisasi Modal Sosial Peningkatan Jumlah Anggota Klaster Aktif Peningkatan Kerjasama Peningkatan kemampuan inovasi Peningkatan konsumsi karet alam I. Perbandingan berpasangan antar aktor Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Industri Industri Pemerintah II.1. Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Pemerintah Lembaga Pendukung Lembaga Pendukung Perbandingan berpasangan antar perspektif untuk aktor Industri Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kinerja perusahaan Kinerja perusahaan Kinerja perusahaan Hasil Sosial/Ekonomi Hasil Sosial/Ekonomi Efisiensi Kolektif II.2. A A A A A A VS VS VS VS VS VS S S S S S S Penilaian W E W W E W W E W W E W W E W W E W S S S S S S VS VS VS VS VS VS A A A A A A Kriteria Hasil Sosial/Ekonomi Efisiensi Kolektif Modal Sosial Efisiensi Kolektif Modal Sosial Modal Sosial Perbandingan berpasangan antar perspektif untuk aktor Pemerintah Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. 135 Kriteria Kinerja perusahaan Kinerja perusahaan Kinerja perusahaan Hasil Sosial/Ekonomi Hasil Sosial/Ekonomi Efisiensi Kolektif II.3. A A A A A A VS VS VS VS VS VS S S S S S S Penilaian W E W W E W W E W W E W W E W W E W S S S S S S VS VS VS VS VS VS A A A A A A Kriteria Hasil Sosial/Ekonomi Efisiensi Kolektif Modal Sosial Efisiensi Kolektif Modal Sosial Modal Sosial Perbandingan berpasangan antar perspektif untuk aktor Lembaga Pendukung Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kinerja perusahaan Kinerja perusahaan Kinerja perusahaan Hasil Sosial/Ekonomi Hasil Sosial/Ekonomi Efisiensi Kolektif A A A A A A VS VS VS VS VS VS S S S S S S Penilaian W E W W E W W E W W E W W E W W E W S S S S S S VS VS VS VS VS VS A A A A A A Kriteria Hasil Sosial/Ekonomi Efisiensi Kolektif Modal Sosial Efisiensi Kolektif Modal Sosial Modal Sosial III.1. Perbandingan berpasangan antar tujuan strategis dalam perspektif kinerja perusahaan Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Perluasan pasar Penilaian A VS S W E W S VS A Kriteria Peningkatan produktivitas dan mutu III.2. Perbandingan berpasangan antar tujuan strategis dalam perspektif Hasil Sosial/Ekonomi Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Peningkatan lapangan pekerjaan Peningkatan lapangan pekerjaan Peningkatan lapangan pekerjaan Peningkatan tenaga kerja terspesialisasi Peningkatan tenaga kerja terspesialisasi Peningkatan kemampuan inovasi Penilaian A VS S W E W S VS A A VS S W E W S VS A A VS S W E W S VS A A VS S W E W S VS A A VS S W E W S VS A A VS S W E W S VS A Kriteria Peningkatan tenaga kerja terspesialisasi Peningkatan kemampuan inovasi Peningkatan konsumsi karet alam Peningkatan kemampuan inovasi Peningkatan konsumsi karet alam Peningkatan konsumsi karet alam III.3. Perbandingan berpasangan antar tujuan strategis dalam perspektif efisiensi kolektif 136 Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Penurunan biaya Penilaian A VS S W E W S VS A Kriteria Peningkatan kerja sama IV.1. Perbandingan berpasangan antar inisiatif dalam tujuan strategis perluasan pasar Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.2. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan produktivitas dan mutu Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.3. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan lapangan pekerjaan Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.4. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah tenaga kerja terspesialisasi Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.5. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan kemampuan inovasi dan teknologi Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. 137 Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.6. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan konsumsi karet alam Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.7. Perbandingan berpasangan antar inisiatif dalam tujuan strategis penurunan biaya Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.8. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah jumlah kerjasama Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.9. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah anggota klaster aktif Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi 138 Lampiran 2. Data Hasil Perbandingan Berpasangan Kuesioner Strategi Klaster I. Perbandingan berpasangan antar aktor   Hasil Penilaian Pakar ( isi perbandingan terhadap kriteria baris yang lebih  kuat)  PAKAR 1   Alternatif  Industri  Pemerintah  Lembaga  Pendukung  CR  Industri  e w  s  0,034482759 Pemerintah Lembaga  Pendukung  e     w  e  PAKAR 2   Alternatif  Industri  Pemerintah  Lembaga  Pendukung  CR  Industri  e w     0,034482759 e  Lembaga  Pendukung  w s     e  Pemerintah s  e  Lembaga  Pendukung        vs  e  Pemerintah PAKAR 3   Alternatif  Industri  Pemerintah  Lembaga  Pendukung  Industri  e     w  0,051724138 CR    II.1.   Perbandingan berpasangan antar perspektif untuk aktor Industri      PAKAR 1  139 Kriteria  Kinerja Perusahaan  Hasil  Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR    PAKAR 2  Kriteria  Kinerja Perusahaan  Hasil  Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  PAKAR 3  Kriteria  Kinerja Perusahaan  Hasil  Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  Kinerja  Perusahaan  e  Hasil Sosial/  Ekonomi  s  Efisiensi  Kolektif  w  Modal Sosial  s  e  w        e     w  s  e  Kinerja  Perusahaan e  Hasil  Sosial/Ekonomi a  Efisiensi  Kolektif  vs  Modal Sosial a     e  w       e     w  w e  Hasil  Sosial/Ekonomi  s  Efisiensi  Kolektif  w  Modal Sosial  s  e  w        e     w  w  e           0,077777778    0,088888889 Kinerja  Perusahaan  e           0,077777778 II.2.   Perbandingan berpasangan antar perspektif untuk aktor Pemerintah  PAKAR 1  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e w  e  w           0,077777778 Efisiensi  Kolektif  w  e     Modal Sosial  w s  w  e  140 PAKAR 2  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  PAKAR 3  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e     s  e              0,044444444 Efisiensi  Kolektif  e  w  e     Modal Sosial  w  s  w  e  Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e     s  e  w           0,011111111 Efisiensi  Kolektif     w  e     Modal Sosial  e  s  w  e  II.3.   Perbandingan berpasangan antar perspektif untuk aktor Lembaga Pendukung  PAKAR 1  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  PAKAR 2  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR        Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e  w     e  w  w        0,055555556 Efisiensi  Kolektif        e     Modal Sosial  w  e  w  e  Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e     w  e  s           0,066666667 Efisiensi  Kolektif     e  e     Modal Sosial  w  w  vs  e  141 PAKAR 3  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e     w  e  w  w        0,077777778 Efisiensi  Kolektif        e     Modal Sosial  w  w  s  e  III.1.  Perbandingan  berpasangan  antar  tujuan  strategis  dalam  perspektif  kinerja  perusahaan    PAKAR 1  Peningkatan  Produktivitas  &  Kualitas  Alternatif  Perluasan Pasar  Peningkatan Produktivitas &  Kualitas  Perluasan Pasar  e    s  e  PAKAR 2  Peningkatan  Produktivitas  &  Kualitas  Alternatif  Perluasan Pasar  Peningkatan Produktivitas &  Kualitas  Perluasan Pasar  e  w     e  PAKAR3  Peningkatan  Produktivitas  &  Kualitas  Alternatif  Perluasan Pasar  Peningkatan Produktivitas &  Kualitas  Perluasan Pasar  e     w  e  142 III.2.  Perbandingan  berpasangan  antar  tujuan  strategis  dalam  perspektif  Hasil   Sosial/Ekonomi  PAKAR 1  Kriteria  Peningkatan Lap.  Pekerjaan  Peningkatan TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  CR  PAKAR 2  Kriteria  Peningkatan Lap.  Pekerjaan  Peningkatan TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  CR  Peningkatan  Lap.  Pekerjaan  Peningkatan  TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  e           w  e     w  vs  e  e  w  w  0,055555556       e  Peningkatan  Lap.  Pekerjaan  Peningkatan  TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  e  w  w  s  e e w       e  w     0,011111111       e  143 PAKAR 3  Kriteria  Peningkatan Lap.  Pekerjaan  Peningkatan TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  CR  Peningkatan  Lap.  Pekerjaan  Peningkatan  TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  e  w  w  S  e e W       e  w     0,011111111       e  III.3.  Perbandingan  berpasangan  antar  tujuan  strategis  dalam  perspektif  efisiensi   kolektif  PAKAR 1  Peningkatan  Kerja  Sama  Alternatif  Penurunan Biaya  Peningkatan Kerja Sama  Penurunan Biaya e  s     e  PAKAR 2  Alternatif  Penurunan Biaya  Peningkatan Kerja Sama Peningkatan  Kerja  Penurunan Biaya Sama  e     w e  PAKAR3  Alternatif  Penurunan Biaya  Peningkatan Kerja Sama  Peningkatan  Kerja  Penurunan Biaya Sama  e     w  e  144 IV.1. Perbandingan berpasangan antar inisiatif dalam tujuan strategis perluasan pasar  PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w  vs Kerjasama  Komersial     e  w Inovasi dan Teknologi        e Pengembangan  Bisnis  e  w  s 0,034482759 Kerjasama  Komersial     e  w Inovasi dan Teknologi        e Pengembangan  Bisnis  e        0,034482759 Kerjasama  Komersial  w  e     Inovasi dan Teknologi  S  W  E  0 PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  IV.2. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan produktivitas dan mutu PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  PAKAR 2 (Bu Hani)  Pengembangan  Bisnis  e  w  vs  0,051724138 Kerjasama  Komersial     e  s  Inovasi dan Teknologi        E  145 Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w s  0,034482759 Kerjasama  Komersial     e w  Pengembangan  Bisnis  e     s  0,051724138 Kerjasama  Komersial  w  e  vs  Inovasi dan Teknologi     e  PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Inovasi dan Teknologi        e  IV.3. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan lapangan pekerjaan PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e        0,034482759 Kerjasama  Komersial  s  e  w  Inovasi dan Teknologi  w     e  Pengembangan  Bisnis  e       Kerjasama  Komersial  w e  w  Inovasi dan Teknologi  e    e  PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  0 146 PAKAR 3 (Bu Yuli)  Pengembangan  Kerjasama  Alternatif  Bisnis  Komersial  Inovasi dan Teknologi  Pengembangan Bisnis  e s w Kerjasama Komersial     e     Inovasi dan Teknologi     w  e  CR  0,034482759 IV.4. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah tenaga kerja terspesialisasi PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e    s  0,051724138 Kerjasama  Komersial  w e  vs  Pengembangan  Bisnis  e    w  0,034482759 Kerjasama  Komersial  w e  s  Inovasi dan Teknologi     e  PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Inovasi dan Teknologi     e  PAKAR 3 (Bu Yuli)  Pengembangan  Kerjasama  Alternatif  Bisnis  Komersial  Inovasi dan Teknologi  Pengembangan Bisnis  e        Kerjasama Komersial  w e Inovasi dan Teknologi  vs  s  e  CR  0,051724138 IV.5. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan kemampuan inovasi dan teknologi     147 PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w  vs  0,051724138 Kerjasama  Komersial     e  s  Inovasi dan Teknologi        e  Pengembangan  Bisnis  e  w     0,034482759 Kerjasama  Komersial     e     Inovasi dan Teknologi  w  s  e  PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  PAKAR 3 (Bu Yuli)  Pengembangan  Kerjasama  Alternatif  Bisnis  Komersial  Inovasi dan Teknologi  Pengembangan Bisnis  e  w     Kerjasama Komersial     e     Inovasi dan Teknologi  s  vs  e  CR  0,051724138 IV.6. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan konsumsi karet alam PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w  s  0,034482759 Kerjasama  Komersial     e  w  Inovasi dan Teknologi        e  148 PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e    s  0,051724138 Kerjasama  Komersial  w e  vs  Pengembangan  Bisnis  e    w  0,051724138 Kerjasama  Komersial  s e  vs  Inovasi dan Teknologi     e  PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Inovasi dan Teknologi     e  IV.7. Perbandingan berpasangan antar inisiatif dalam tujuan strategis penurunan biaya PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w  Kerjasama  Komersial     e  Inovasi dan Teknologi  s  vs  e 0,051724138 PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR      Pengembangan  Bisnis e  w  0,034482759 Kerjasama  Komersial    e  Inovasi dan Teknologi w  s  e 149 PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w     0,034482759 Kerjasama  Komersial     e     Inovasi dan Teknologi  w  s  e  IV.8. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah jumlah kerjasama PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e w  s  0,034482759 Kerjasama  Komersial  Inovasi dan Teknologi  e  w     e  Pengembangan  Bisnis  e    w  0,034482759 Kerjasama  Komersial  w e  s  Pengembangan  Bisnis  e  Kerjasama  Komersial  s  e vs  PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Inovasi dan Teknologi     e  PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  w  0,051724138 Inovasi dan Teknologi     e  IV.9. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah anggota klaster aktif     150 PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  s  0,051724138 Kerjasama  Komersial  w  e  vs  Inovasi dan Teknologi  e  PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w  Kerjasama  Komersial  e  Inovasi dan Teknologi  w  s  e  0,034482759 PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR    Keterangan  :    e  w  s  vs  a  Pengembangan  Bisnis  e  w  0,051724138 Kerjasama  Komersial  s  e  vs  Sama Penting ( equally)  Sedikit lebih penting ( moderatly)  Jelas Lebih penting  Sangat jelas lebih penting  ( VS) Mutlak Lebih Penting  ( extremely  prefered)  Inovasi dan Teknologi  e  151 Lampiran 3 Contoh Perhitungan FAHP Perbandingan Berpasangan Antar Perspektif untuk Perusahaan Pakar1 Kinerja Perusahaan Kinerja Perusahaan bawah 1 tengah 1 atas 1 Hasil Sosial/Ekonomi 0,142857143 0,2 0,333333333 Efisiensi Kolektif 0,2 0,333333333 1 Modal Sosial 0,142857143 0,2 0,333333333 Hasil Sosial/Ekonomi Kinerja Perusahaan bawah tengah atas 3 5 7 Hasil Sosial/Ekonomi 1 1 1 Efisiensi Kolektif 1 3 5 Modal Sosial 0,2 0,333333333 1 Efisiensi Kolektif bawah tengah atas Kinerja Perusahaan 1 3 5 Hasil Sosial/Ekonomi 0,2 0,333333 1 Efisiensi Kolektif 1 1 1 Modal Sosial 0,14285714 0,2 0,333333 Modal Sosial bawah tengah atas Kinerja Perusahaan 3 5 7 Hasil Sosial/Ekonomi 1 3 5 Efisiensi Kolektif 3 5 7 Modal Sosial 1 1 1 Pakar 2 Kinerja Perusahaan Kinerja Perusahaan bawah 1 tengah 1 atas 1 Hasil Sosial/Ekonomi 0,111111111 0,111111111 0,142857143 Efisiensi Kolektif 0,111111111 0,142857143 0,2 Modal Sosial 0,111111111 0,111111111 0,142857143 152 Hasil Sosial/Ekonomi bawah tengah atas Kinerja Perusahaan 7 9 9 Hasil Sosial/Ekonomi 1 1 1 Efisiensi Kolektif 1 3 5 Modal Sosial 0,2 0,333333 1 Efisiensi Kolektif bawah tengah atas Kinerja Perusahaan 5 7 9 Hasil Sosial/Ekonomi 0,2 0,333333 1 Efisiensi Kolektif 1 1 1 Modal Sosial 0,2 0,333333 1 Modal Sosial Kinerja Perusahaan bawah tengah atas 7 9 9 Hasil Sosial/Ekonomi 1 3 5 Efisiensi Kolektif 1 3 5 Modal Sosial 1 1 1 Kinerja Perusahaan bawah 1 tengah 1 atas 1 Hasil Sosial/Ekonomi 0,142857143 0,2 0,333333333 Efisiensi Kolektif 0,2 0,333333333 1 Modal Sosial 0,142857143 0,2 0,333333333 Pakar 3 Kinerja Perusahaan Hasil Sosial/Ekonomi Kinerja Perusahaan bawah tengah atas 3 5 7 Hasil Sosial/Ekonomi 1 1 1 Efisiensi Kolektif 1 3 5 Modal Sosial 0,2 0,333333 1 153 Efisiensi Kolektif bawah tengah Atas Kinerja Perusahaan 1 3 5 Hasil Sosial/Ekonomi 0,2 0,333333 1 Efisiensi Kolektif 1 1 1 Modal Sosial 0,2 0,333333 1 Modal Sosial bawah tengah atas Kinerja Perusahaan 3 5 7 Hasil Sosial/Ekonomi 1 3 5 Efisiensi Kolektif 1 3 5 Modal Sosial 1 1 1 Gabungan Pakar Kriteria Geomean Gabungan Pakar Bawah Tengah Atas Kinerja Perusahaan 2,28 3,48 4,33 Hasil Sosial/Ekonomi 0,4 0,64 1,06 Efisiensi Kolektif 0,7 1,28 2,01 Modal Sosial 0,26 0,35 0,65 3,64 5,75 8,05 Kriteria Normalisasi Bawah Tengah Crisp Atas Norm Crisp Kinerja Perusahaan 0,283229814 0,605217391 1,18956 0,67080626 0,580 Hasil Sosial/Ekonomi 0,049689441 0,111304348 0,291209 0,14087673 0,120 Efisiensi Kolektif 0,086956522 0,222608696 0,552198 0,27109293 0,230 Modal Sosial 0,032298137 0,060869565 0,178571 0,08315217 0,070 1,16592809 154 Lampiran 4. Kuesioner Pemilihan Strategi Manajemen Pengetahuan Nama : .................................................. Jabatan : .................................................. Institusi : .................................................. Petunjuk pengisian Kuesioner : Petunjuk pengisian : 1. Berilah tanda silang (x) pada label yang sesuai dengan arti penilaian sebagai berikut : Label E W S VS A Keterangan Sama penting (equally) Sedikit lebih penting (moderatly) Jelas lebih penting (strongly) Sangat jelas lebih penting (very strongly) Mutlak lebih penting (extremly preferred) 6. Penilaian dilakukan dengan perbandingan berpasangan yaitu membandingkan kriteria penilaian sebelah kiri atau kolom sama penting (E) ke kiri dengan penilaian sebelah kanan. 7. Kolom penilaian sebelah kiri digunakan jika kriteria sebelah kiri mempunyai pengaruh atau kepentingan yang lebih tinggi, sebaliknya kolom penilaian sebelah kanan digunakan jika kriteria sebelah kanan mempunyai pengaruh atau kepentingan lebih tinggi. 8. Usahakan penilaian Bapak/Ibu konsisten. Misalnya anda menyatakan A lebih penting dari pada B, dan B lebih penting dari pada C, maka penilaian anda konsisten jika menyatakan A lebih penting daripada C. 9. Kriteria dan alternatif yang dibandingkan dapat dilihat pada gambar di bawah. 155 I. Perbandingan berpasangan antar kriteria Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Dukungan pemerintah Dukungan pemerintah Dukungan pemerintah Dukungan pemerintah Komunikasi Komunikasi Komunikasi Budaya dan Orang Budaya dan Orang Waktu II. A A A A A A A A A A VS VS VS VS VS VS VS VS VS VS S S S S S S S S S S Penilaian W E W W E W W E W W E W W E W W E W W E W W E W W E W W E W S S S S S S S S S S VS VS VS VS VS VS VS VS VS VS A A A A A A A A A A Kriteria Komunikasi Budaya dan Orang Waktu Biaya Budaya dan Orang Waktu Biaya Waktu Biaya Biaya Perbandingan berpasangan antar alternatif strategis dalam kriteria dukungan pemerintah Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kodifikasi Kodifikasi Personalisasi III. Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Personalisasi Kombinasi Kombinasi Perbandingan berpasangan antar alternatif strategis dalam kriteria komunikasi Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kodifikasi Kodifikasi Personalisasi IV. Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Personalisasi Kombinasi Kombinasi Perbandingan berpasangan antar alternatif strategis dalam kriteria budaya dan orang 156 Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kodifikasi Kodifikasi Personalisasi V. Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Personalisasi Kombinasi Kombinasi Perbandingan berpasangan antar alternatif strategis dalam kriteria waktu Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kodifikasi Kodifikasi Personalisasi Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Personalisasi Kombinasi Kombinasi VI. Perbandingan berpasangan antar alternatif strategis dalam kriteria biaya Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kodifikasi Kodifikasi Personalisasi Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Personalisasi Kombinasi Kombinasi 157 Lampiran 5 Contoh Data Hasil Perbandingan Berpasangan Kuesioner Strategi Manajemen Pengetahuan I. Perbandingan berpasangan antar kriteria Kriteria  Dukungan  Pemerintah  Komunikasi  Budaya dan Orang  Waktu  Biaya  CR  VII. Dukungan  Pemerintah  e     w        0,088709677 Komunikasi  Budaya  dan Orang  Waktu  Biaya  w  e  s              e        s  s  s  e  w  w  w  s     e  Perbandingan berpasangan antar alternatif strategis dalam kriteria dukungan pemerintah Alternatif  Kodifikasi  Personalisasi  Kombinasi  Kodifikasi  e     w  Personalisasi  w  e  s  Kombinasi        e  158 Lampiran 6 Data Penilaian Analisis Kesenjangan Pengetahuan Tingkat Kondisi Area Pengetahuan Saat Ini Responden 1 Responden 2 Responden 3 Responden 4 Sedang Sedang Lemah Sedang Kuat Sedang Sedang Kuat Sedang Sedang Sedang Kuat Kuat Sedang Sedang Kuat Sedang Kuat Sedang Sedang Sedang Sedang Sedang Kuat Sedang Sedang Sedang Kuat Sedang Sedang Sedang Sedang Sedang Lemah Sedang Sedang Sedang Kuat Kuat Sedang Sedang Sedang Lemah Kuat Sedang Sedang Lemah Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Kuat Sedang Sedang Lemah Kuat Kuat Sedang Sedang Kuat Sedang Kuat Sedang Sedang Lemah Lemah Kuat Sedang 159 Responden 1  Responden 2  Responden 3  Responden 4  Average  0,3  0,5  0,7  0,3  0,5  0,7  0,05  0,25  0,45  0,3  0,5  0,7  0,24  0,44  0,64  0,55  0,3  0,75  0,5  0,95  0,7  0,3  0,55  0,5  0,75  0,7  0,95  0,3  0,3  0,5  0,5  0,7  0,7  0,3  0,55  0,5  0,75  0,7  0,95  0,36  0,43  0,56  0,63  0,76  0,83  0,55  0,75  0,95  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,43  0,63  0,83  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,55  0,75  0,95  0,43  0,63  0,83  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,05  0,25  0,45  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,55  0,75  0,95  0,36  0,56  0,76  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,3  0,3  0,3  0,3  0,3  0,5  0,5  0,5  0,5  0,5  0,7  0,7  0,7  0,7  0,7  0,3  0,3  0,3  0,3  0,3  0,5  0,5 0,5  0,5 0,5  0,7  0,7 0,7  0,7 0,7  0,05  0,05 0,3  0,3 0,05  0,25  0,25 0,5  0,5 0,25  0,45  0,45 0,7  0,7 0,45  0,55  0,3 0,3  0,55 0,55  0,75  0,5 0,5  0,75 0,75  0,95  0,7  0,7  0,95  0,95  0,3  0,24  0,3  0,36  0,3  0,5  0,44 0,5  0,56 0,5  0,7  0,64 0,7  0,76 0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,55  0,75  0,95  0,43  0,63  0,83  0,3  0,5  0,7  0,3  0,5  0,7  0,05  0,25  0,45  0,55  0,75  0,95  0,3  0,5  0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,05  0,25  0,45  0,3  0,5  0,7  0,3  0,5  0,7  160 Data Tingkat Kepentingan (Kebutuhan) Area Pengetahuan Responden 1 Responden 2 Responden 3 Responden 4 Sangat Penting Sangat Penting Penting Sangat Penting Sangat Penting Cukup Penting Cukup Penting Sangat Penting Penting Penting Sangat Penting Penting Penting Penting Cukup Penting Penting Penting Penting Penting Cukup Cukup Penting Penting Cukup Sangat Penting Cukup Sangat Penting Sangat Penting Cukup Cukup penting penting Cukup Sangat Penting Sangat Penting Cukup Sangat Penting Cukup Penting Cukup Cukup Penting Cukup Cukup Cukup Cukup Penting Penting Sangat Penting Sangat Penting Sangat Penting Penting Sangat Penting Cukup Cukup Cukup Cukup Cukup Penting Cukup Cukup Penting Cukup Cukup Cukup Sangat Penting Sangat Penting Penting Sangat Penting 161 Responden 1  Responden 2  Responden 3  Responden 4  Average  0,8  1  1  0,8  1  1  0,55  0,75  0,95  0,8  1  1  0,74  0,94  0,99  0,8  1  1  0,55  0,75  0,95  0,55  0,75  0,95  0,3  0,5  0,7  0,55  0,75  0,9  0,55  0,75  0,95  0,55  0,75  0,95  0,55  0,75  0,95  0,8  1  1  0,61  0,81  0,96  0,8  1  1  0,8  1  1  0,55  0,75  0,95  0,8  1  1  0,74  0,94  0,99  0,8  1  1  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,49  0,69  0,84  0,3  0,5  0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,55  0,75  0,95  0,55  0,75  0,95  0,55  0,75  0,95  0,55  0,75  0,95  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,55  0,75  0,95  0,55  0,75  0,95  0,43  0,63  0,83  0,55  0,75  0,95  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,43  0,63  0,83  0,8  1  1  0,8  1  1  0,3  0,5  0,7  0,8  1  1  0,68  0,88  0,93  0,3  0,5  0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,3  0,5  0,7  0,55  0,75  0,95  0,55  0,75  0,95  0,8  1  1  0,55  0,75  0,9  0,8  1  1  0,8  1  1  0,55  0,75  0,95  0,8  1  1  0,74  0,94  0,99  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,8  1  1  0,8  1  1  0,55  0,75  0,95  0,8  1  1  0,74  0,94  0,99  162 Lampiran 7 Rule dalam FFMEA dan contoh perhitungan defuzzifikasi 1. If severity is VL and occurrence is VL and detection is VL then FPRN is VL. 2. If severity is VL and occurrence is VL and detection is L then FRPN is VL. 3. If severity is VL and occurrence is VL and detection is M then FRPN is VL. 4. If severity is VL and occurrence is VL and detection is H then FRPN is VL - L. 5. If severity is VL and occurrence is VL and detection is VH then FPRN is VL - L. 6. If severity is VL and occurrence is L and detection is VL then FRPN is VL. 7. If severity is VL and occurrence is L and detection is L then FRPN is VL - L. 8. If severity is VL and occurrence is L and detection is M then FRPN is VL - L. 9. If severity is VL and occurrence is L and detection is H then FRPN is L. 10. If severity is VL and occurrence is L and detection is VH then FRPN is L. 11. If severity is VL and occurrence is M and detection is VL then FRPN is VL. 12. If severity is VL and occurrence is M and detection is L then FRPN is VL - L. 13. If severity is VL and occurrence is M and detection is M then FRPN is L. 14. If severity is VL and occurrence is M and detection is H then FRPN is L. 15. If severity is VL and occurrence is M and detection is VH then FRPN is L. 16. If severity is VL and occurrence is H and detection is VL then FRPN is VL - L. 17. If severity is VL and occurrence is H and detection is L then FRPN is L. 18. If severity is VL and occurrence is H and detection is M then FRPN is L. 19. If severity is VL and occurrence is H and detection is H then FRPN is L - M. 20. If severity is VL and occurrence is H and detection is V H then FRPN is L - M. 21. If severity is VL and occurrence is VH and detection is VL then FRPN is VL - L. 22. If severity is VL and occurrence is VH and detection is L then FRPN is L. 23. If severity is VL and occurrence is VH and detection is M then FRPN is L. 24. If severity is VL and occurrence is VH and detection is H then FRPN is L - M. 25. If severity is VL and occurrence is VH and detection is very H then FRPN is M. 26. If severity is L and occurrence is VL and detection is VL then FRPN is L. 27. If severity is L and occurrence is VL and detection is L then FRPN is L. 28. If severity is L and occurrence is VL and detection is M then FRPN is L. 29. If severity is L and occurrence is VL and detection is H then FRPN is L - M. 30. If severity is L and occurrence is VL and detection is very H then FRPN is L - M. 163 31. If severity is L and occurrence is L and detection is VL then FRPN is L. 32. If severity is L and occurrence is L and detection is L then FRPN is L - M. 33. If severity is L and occurrence is L and detection is M then FRPN is L - M. 34. If severity is L and occurrence is L and detection is H then FRPN is M. 35. If severity is L and occurrence is L and detection is very H then FRPN is M. 36. If severity is L and occurrence is M and detection is VL then FRPN is L. 37. If severity is L and occurrence is M and detection is L then FRPN is L - M. 38. If severity is L and occurrence is M and detection is M then FRPN is M. 39. If severity is L and occurrence is M and detection is H then FRPN is M. 40. If severity is L and occurrence is M and detection is very H then FRPN is M. 41. If severity is L and occurrence is H and detection is VL then FRPN is L - M. 42. If severity is L and occurrence is H and detection is L then FRPN is M. 43. If severity is L and occurrence is H and detection is M then FRPN is M. 44. If severity is L and occurrence is H and detection is H then FRPN is M - H. 45. If severity is L and occurrence is H and detection is very H then FRPN is M - H. 46. If severity is L and occurrence is VH and detection is VL then FRPN is L - M. 47. If severity is L and occurrence is VH and detection is L then FRPN is M. 48. If severity is L and occurrence is VH and detection is M then FRPN is M. 49. If severity is L and occurrence is VH and detection is H then FRPN is M - H. 50. If severity is L and occurrence is VH and detection is very H then FRPN is H. 51. If severity is M and occurrence is VL and detection is VL then FRPN is M. 52. If severity is M and occurrence is VL and detection is L then FRPN is M. 53. If severity is M and occurrence is VL and detection is M then FRPN is M. 54. If severity is M and occurrence is VL and detection is H then FRPN is M - H. 55. If severity is M and occurrence is VL and detection is very H then FRPN is M - H. 56. If severity is M and occurrence is L and detection is VL then FRPN is M. 57. If severity is M and occurrence is L and detection is L then FRPN is M-H. 58. If severity is M and occurrence is L and detection is M then FRPN is M-H. 59. If severity is M and occurrence is L and detection is H then FRPN is H. 60. If severity is M and occurrence is L and detection is very H then FRPN is H. 61. If severity is M and occurrence is M and detection is VL then FRPN is M. 164 62. If severity is M and occurrence is M and detection is L then FRPN is M - H. 63. If severity is M and occurrence is M and detection is M then FRPN is H. 64. If severity is M and occurrence is M and detection is H then FRPN is H. 65. If severity is M and occurrence is M and detection is very H then FRPN is H. 66. If severity is M and occurrence is H and detection is VL then FRPN is M - H. 67. If severity is M and occurrence is H and detection is L then FRPN is H. 68. If severity is M and occurrence is H and detection is M then FRPN is H. 69. If severity is M and occurrence is H and detection is H then FRPN is H - VH. 70. If severity is M and occurrence is H and detection is very H then FRPN is H VH. 71. If severity is M and occurrence is VH and detection is VL then FRPN is M - H. 72. If severity is M and occurrence is VH and detection is L then FRPN is H. 73. If severity is M and occurrence is VH and detection is M then FRPN is H. 74. If severity is M and occurrence is VH and detection is H then FRPN is H - VH. 75. If severity is M and occurrence is VH and detection is very H then FRPN is VH. 76. If severity is H and occurrence is VL and detection is VL then FRPN is H. 77. If severity is H and occurrence is VL and detection is L then FRPN is H. 78. If severity is H and occurrence is VL and detection is M then FRPN is H. 79. If severity is H and occurrence is VL and detection is H then FRPN is H - VH. 80. If severity is H and occurrence is VL and detection is VH then FRPN is H - VH. 81. If severity is H and occurrence is L and detection is VL then FRPN is H. 82. If severity is H and occurrence is L and detection is L then FRPN is H-VH. 83. If severity is H and occurrence is L and detection is M then FRPN is H - VH. 84. If severity is H and occurrence is L and detection is H then FRPN is VH. 85. If severity is H and occurrence is L and detection is VH then FRPN is VH. 86. If severity is H and occurrence is M and detection is VL then FRPN is H. 87. If severity is H and occurrence is M and detection is L then FRPN is H - VH. 88. If severity is H and occurrence is M and detection is M then FRPN is VH. 89. If severity is H and occurrence is M and detection is H then FRPN is VH. 90. If severity is H and occurrence is M and detection is VH then FRPN is VH. 91. If severity is H and occurrence is H and detection is VL then FRPN is H - VH. 165 92. If severity is H and occurrence is H and detection is L then FRPN is VH. 93. If severity is H and occurrence is H and detection is M then FRPN is VH. 94. If severity is H and occurrence is H and detection is H then FRPN is VH. 95. If severity is H and occurrence is H and detection is VH then FRPN is VH. 96. If severity is H and occurrence is VH and detection is VL then FRPN is H - VH. 97. If severity is H and occurrence is VH and detection is L then FRPN is VH. 98. If severity is H and occurrence is VH and detection is M then FRPN is VH. 99. If severity is H and occurrence is VH and detection is H then FRPN is VH. 100. If severity is H and occurrence is VH and detection is very H then FRPN is VH. 101. If severity is VH and occurrence is VL and detection is VL then FRPN is VH. 102. If severity is VH and occurrence is VL and detection is L then FRPN is VH. 103. If severity is VH and occurrence is VL and detection is M then FRPN is VH. 104. If severity is VH and occurrence is VL and detection is H then FRPN is VH. 105. If severity is VH and occurrence is VL and detection is VH then FRPN is VH. 106. If severity is VH and occurrence is L and detection is VL then FRPN is VH. 107. If severity is VH and occurrence is L and detection is L then FRPN is VH. 108. If severity is VH and occurrence is L and detection is M then FRPN is VH. 109. If severity is VH and occurrence is L and detection is H then FRPN is VH. 110. If severity is VH and occurrence is L and detection is very H then FRPN is VH. 111. If severity is VH and occurrence is M and detection is VL then FRPN is VH. 112. If severity is VH and occurrence is M and detection is L then FRPN is VH. 113. If severity is VH and occurrence is M and detection is M then FRPN is VH. 114. If severity is VH and occurrence is M and detection is H then FRPN is VH. 115. If severity is VH and occurrence is M and detection is VH then FRPN is VH. 116. If severity is VH and occurrence is H and detection is VL then FRPN is VH. 117. If severity is VH and occurrence is H and detection is L then FRPN is VH. 118. If severity is VH and occurrence is H and detection is M then FRPN is VH. 119. If severity is VH and occurrence is H and detection is H then FRPN is VH. 120. If severity is VH and occurrence is H and detection is VH then FRPN is VH. 121. If severity is VH and occurrence is VH and detection is VL then FRPN is VH. 122. If severity is VH and occurrence is VH and detection is L then FRPN is VH. 166 123. If severity is VH and occurrence is VH and detection is M then FRPN is VH. 124. If severity is VH and occurrence is VH and detection is H then FRPN is VH. 125. If severity is VH and occurrence is VH and detection is VH then FRPN is VH. Contoh perhitungan manual untuk input S = 6, O = 5, dan D = 3 Evaluasi aturan : α1 = min ( αS VL [6] , αO VL [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α2 = min ( αS VL [6] , αO VL [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α3 = min ( αS VL [6] , αO VL [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α4 = min ( αS VL [6] , αO VL [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α5 = min ( αS VL [6] , αO VL [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α6 = min ( αS VL [6] , αO L [5] , αD VL [3] ) = min ( 0 ; 0; 0 ) = 0 α7 = min ( αS VL [6] , αO L [5] , αD L [3] ) = min ( 0 ; 0; 0,75 ) = 0 α8 = min ( αS VL [6] , αO L [5] , αD M [3] ) = min ( 0 ; 0; 0,25 ) = 0 α9 = min ( αS VL [6] , αO L [5] , αD H [3] ) = min ( 0 ;0; 0 ) = 0 α10 = min ( αS VL [6] , αO L [5] , αD VH [3] ) = min ( 0 ; 0; 0 ) = 0 α11 = min ( αS VL [6] , αO M [5] , αD VL [3] ) = min ( 0 ; 1 ; 0 ) = 0 α12 = min ( αS VL [6] , αO M [5] , αD L [3] ) = min ( 0 ; 1; 0.75 ) = 0 α13 = min ( αS VL [6] , αO M [5] , αD M [3] ) = min ( 0 ; 1; 0,25 ) = 0 α14 = min ( αS VL [6] , αO M [5] , αD H [3] ) = min ( 0 ; 1; 0 ) = 0 α15 = min ( αS VL [6] , αO M [5] , αD VH [3] ) = min ( 0 ; 1; 0 ) = 0 α16 = min ( αS VL [6] , αO H [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α17 = min ( αS VL [6] , αO H [5] , αD L [3] ) = min ( 0 ; 0 ; 0.75 ) = 0 α18 = min ( αS VL [6] , αO H [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α19 = min ( αS VL [6] , αO H [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α20 = min ( αS VL [6] , αO H [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α21 = min ( αS VL [6] , αO VH [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α22 = min ( αS VL [6] , αO VH [5] , αD L [3] ) = min ( 0 ; 0 ; 0.75 ) = 0 α23 = min ( αS VL [6] , αO VH [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α24 = min ( αS VL [6] , αO VH [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α25 = min ( αS VL [6] , αO VH [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 167 α26 = min ( αS L [6] , αO VL [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α27 = min ( αS L [6] , αO VL [5] , αD L [3] ) = min ( 0 ; 0 ; 0.75 ) = 0 α28 = min ( αS L [6] , αO VL [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α29 = min ( αS L [6] , αO VL [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α30 = min ( αS L [6] , αO VL [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α31 = min ( αS L [6] , αO L [5] , αD VL [3] ) = min ( 0 ; 0; 0 ) = 0 α32 = min ( αS L [6] , αO L [5] , αD L [3] ) = min ( 0 ; 0; 0.75 ) = 0 α33 = min ( αS L [6] , αO L [5] , αD M [3] ) = min ( 0 ; 0; 0,25 ) = 0 α34 = min ( αS L [6] , αO L [5] , αD H [3] ) = min ( 0 ; 0; 0 ) = 0 α35 = min ( αS L [6] , αO L [5] , αD VH [3] ) = min ( 0 0; 0 ) = 0 α36 = min ( αS L [6] , αO M [5] , αD VL [3] ) = min ( 0 ; 1 ; 0 ) = 0 α37 = min ( αS L [6] , αO M [5] , αD L [3] ) = min ( 0 ; 1; 0,75 ) = 0 α38 = min ( αS L [6] , αO M [5] , αD M [3]) = min ( 0 ; 1; 0,25 ) = 0 α39 = min ( αS L [6] , αO M [5] , αD H [3] ) = min ( 0 ; 1; 0 ) = 0 α40 = min ( αS L [6] , αO M [5] , αD VH [3] ) = min ( 0 ; 1; 0 ) = 0 α41 = min ( αS L [6] , αO H [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α42 = min ( αS L [6] , αO H [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α43 = min ( αS L [6] , αO H [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α44 = min ( αS L [6] , αO H [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α45 = min ( αS L [6] , αO H [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α46 = min ( αS L [6] , αO VH [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α47 = min ( αS L [6] , αO VH [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α48 = min ( αS L [6] , αO VH [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α49 = min ( αS L [6] , αO VH [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α50 = min ( αS L [6] , αO VH [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α51 = min ( αS M [6] , αO VL [5] , αD VL [3] ) = min (0,75 ; 0 ; 0 ) = 0 α52 = min ( αS M [6] , αO VL [5] , αD L [3] ) = min (0,75 ; 0 ; 0,75 ) = 0 α53 = min ( αS M [6] , αO VL [5] , αD M [3] ) = min (0,75 ; 0 ; 0,25 ) = 0 α54 = min ( αS M [6] , αO VL [5] , αD H [3] ) = min (0,75 ; 0 ; 0 ) = 0 α55 = min ( αS M [6] , αO VL [5] , αD VH [3] ) = min (0,75 ; 0 ; 0 ) = 0 α56 = min ( αS M [6] , αO L [5] , αD VL [3] ) = min (0,75 ; 0; 0 ) = 0 168 α57 = min ( αS M [6] , αO L [5] , αD L [3] ) = min (0,75 ; 0; 0,75 ) = 0 α58 = min ( αS M [6] , αO L [5] , αD M [3] ) = min (0,75 ; 0; 0,25 ) = 0 α59 = min ( αS M [6] , αO L [5] , αD H [3] ) = min (0,75 ; 0; 0 ) = 0 α60 = min ( αS M [6] , αO L [5] , αD VH [3] ) = min (0,75 ; 0; 0 ) = 0 α61 = min ( αS M [6] , αO M [5] , αD VL [3] ) = min (0,75 ; 1; 0 ) = 0 α62 = min ( αS M [6] , αO M [5] , αD L [3] ) = min (0,75 ; 1; 0,75 ) = 0,75 α63 = min ( αS M [6] , αO M [5] , αD M [3] ) = min (0,75 ; 1; 0,25 ) = 0,25 α64 = min ( αS M [6] , αO M [5] , αD H [3] ) = min (0,75 ; 1; 0 ) = 0 α65 = min ( αS M [6] , αO M [5] , αD VL [3] ) = min (0,75 ; 1; 0 ) = 0 α66 = min ( αS M [6] , αO H [5] , αD VL [3] ) = min (0,75 ; 0 ; 0 ) = 0 α67 = min ( αS M [6] , αO H [5] , αD L [3] ) = min (0,75 ; 0 ; 0,75 ) = 0 α68 = min ( αS M [6] , αO H [5] , αD M [3] ) = min (0,75 ; 0 ; 0,25 ) = 0 α69 = min ( αS M [6] , αO H [5] , αD H [3] ) = min (0,75 ; 0 ; 0 ) = 0 α70 = min ( αS M [6] , αO H [5] , αD VH [3] ) = min (0,75 ; 0 ; 0 ) = 0 α71 = min ( αS M [6] , αO VH [5] , αD VL [3] ) = min (0,75 ; 0 ; 0 ) = 0 α72 = min ( αS M [6] , αO VH [5] , αD L [3] ) = min (0,75 ; 0 ; 0,75 ) = 0 α73 = min ( αS M [6] , αO VH [5] , αD M [3] ) = min (0,75 ; 0 ; 0,25 ) = 0 α74 = min ( αS M [6] , αO VH [5] , αD H [3] ) = min (0,75 ; 0 ; 0 ) = 0 α75 = min ( αS M [6] , αO VH [5] , αD VH [3] ) = min (0,75 ; 0 ; 0 ) = 0 α76 = min ( αS H [6] , αO VL [5] , αD VL [3] ) = min ( 0,25 ; 0 ; 0 ) = 0 α77 = min ( αS H [6] , αO VL [5] , αD L [3] ) = min (0,25 ; 0 ; 0,75 ) = 0 α78 = min ( αS H [6] , αO VL [5] , αD M [3] ) = min (0,25 ; 0 ; 0,25 ) = 0 α79 = min ( αS H [6] , αO VL [5] , αD H [3] ) = min (0,25; 0 ; 0 ) = 0 α80 = min ( αS H [6] , αO VL [5] , αD VH [3] ) = min (0,25; 0 ; 0 ) = 0 α81 = min ( αS H [6] , αO L [5] , αD VL [3] ) = min (0,25 ; 0 ; 0 ) = 0 α82 = min ( αS H [6] , αO L [5] , αD L [3] ) = min (0,25 ; 0; 0,75 ) = 0 α83 = min ( αS H [6] , αO L [5] , αD M [3] ) = min (0,25 ; 0; 0,25 ) = 0 α84 = min ( αS H [6] , αO L [5] , αD H [3] ) = min (0,25 ; 0; 0 ) = 0 α85 = min ( αS H [6] , αO L [5], αD VH [3] ) = min (0,25 ; 0; 0 ) = 0 α86 = min ( αS H [6] , αO M [5] , αD VL [3] ) = min (0,25 ; 1 ; 0 ) = 0 α87 = min ( αS H [6] , αO M [5] , αD L [3] ) = min (0,25 ; 1; 0,75) = 0,25 169 α88 = min ( αS H [6] , αO M [5] , αD M [3] ) = min (0,25 ; 1; 0,25 ) = 0,25 α89 = min ( αS H [6] , αO M [5] , αD H [3] ) = min (0,25 ; 1; 0 ) = 0 α90 = min ( αS H [6] , αO M [5] , αD VH [3] ) = min (0,25 ; 1; 0 ) = 0 α91 = min ( αS H [6] , αO H [5] , αD VL [3] ) = min (0,25 ; 0 ; 0 ) = 0 α92 = min ( αS H [6] , αO H [5] , αD L [3] ) = min (0,25 ; 0 ; 0,75 ) = 0 α93 = min ( αS H [6] , αO H [5] , αD M [3] ) = min (0,25 ; 0 ; 0,25 ) = 0 α94 = min ( αS H [6] , αO H [5] , αD H [3] ) = min (0,25 ; 0 ; 0 ) = 0 α95 = min ( αS H [6] , αO H [5] , αD VH [3] ) = min (0,25 ; 0 ; 0 ) = 0 α96 = min ( αS H [6] , αO VH [5] , αD VL [3] ) = min (0,25 ; 0 ; 0 ) = 0 α97 = min ( αS H [6] , αO VH [5] , αD L [3] ) = min (0,25 ; 0 ; 0,75 ) = 0 α98 = min ( αS H [6] , αO VH [5] , αD M [3] ) = min (0,25 ; 0 ; 0,25 ) = 0 α99 = min ( αS H [6] , αO VH [5] , αD H [3] ) = min (0,25 ; 0 ; 0 ) = 0 α100 = min ( αS H [6] , αO VH [5] , αD VH [3] ) = min (0,25 ; 0 ; 0 ) = 0 α101 = min ( αS VH[6] , αO VL [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α102 = min ( αS VH[6] , αO VL [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α103 = min ( αS VH[6] , αO VL [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α104 = min ( αS VH[6] , αO VL [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α105 = min ( αS VH[6] , αO VL [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α106 = min ( αS VH[6] , αO L [5] , αD VL [3] ) = min ( 0 ; 0; 0 ) = 0 α107 = min ( αS VH[6] , αO L [5] , αD L [3] ) = min ( 0 ; 0; 0,75 ) = 0 α108 = min ( αS VH[6] , αO L [5] , αD M [3] ) = min ( 0 ; 0; 0,25 ) = 0 α109 = min ( αS VH[6] , αO L [5] , αD H [3] ) = min ( 0 ; 0; 0 ) = 0 α110 = min ( αS VH[6] , αO L [5] , αD VH [3] ) = min ( 0 ; 0; 0 ) = 0 α111 = min ( αS VH[6], αO M [5] , αD VL [3] ) = min ( 0 ; 1 ; 0 ) = 0 α112 = min ( αS VH[6] , αO M [5] , αD L [3] ) = min ( 0 ; 1; 0,75 ) = 0 α113 = min ( αS VH[6] , αO M [5] , αD M [3] ) = min ( 0 ; 1; 0,25 ) = 0 α114 = min ( αS VH[6] , αO M [5] , αD H [3] ) = min ( 0 ; 1; 0 ) = 0 α115 = min ( αS VH[6] , αO M [5] , αD VH [3] ) = min ( 0 ; 1; 0 ) = 0 α116 = min ( αS VH[6] , αO H [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α117 = min ( αS VH[6] , αO H [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α118 = min ( αS VH[6] , αO H [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 170 α119 = min ( αS VH[6] , αO H [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α120 = min ( αS VH[6] , αO H [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α121 = min ( αS VH[6] , αO VH [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α122 = min ( αS VH[6] , αO VH [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α123 = min ( αS VH[6] , αO VH [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α124 = min ( αS VH[6] , αO VH [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α125 = min ( αS VH[6] , αO VH [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 Aplikasi Fungsi Implikasi: • Aturan ke-1 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-2 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-3 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-4 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-5 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-6 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-7 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-8 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-9 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-10 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-11 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-12 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-13 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-14 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-15 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-16 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 171 • Aturan ke-17 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-18 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-19 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-20 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-21 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-22 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-23 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-24 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-25 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-26 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-27 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-28 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-29 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-30 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-31 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-32 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-33 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-34 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-35 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-36 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-37 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-38 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-39 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-40 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-41 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-42 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 172 • Aturan ke-43 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-44 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-45 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-46 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-47 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-48 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-49 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-50 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-51 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-52 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-53 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-54 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-55 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-56 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-57 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-58 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-59 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-60 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-61 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-62 Pada saat µFRPN Moderate-High [x] = 0.75, maka nilai x dapat ditentukan sebagai berikut. ¾ 0.75 = (x-300) / 100 x = 375 ¾ 0.75 = (500-x) / 100 x = 425 ; sehingga 173 0 µFRPN 62 [ X] = ; x ≤ 300 atau x ≥ 500 (x-300) / 100 ; 300 < x ≤ 375 0.75 ; 375 < x ≤ 425 (500-x) / 100 ; 425 < x ≤ 500 • Aturan ke-63 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 Pada saat µFRPN High [x] = 0.25, maka nilai x dapat ditentukan sebagai berikut. ¾ 0.25 = (x-400) / 100 x = 425 ¾ 0.25 = (700-x) / 200 x = 650 µFRPN 63 [ X] = ; sehingga 0 ; x ≤ 400 atau x ≥ 700 (x-400) / (500-400) ; 400 ≤ x ≤ 425 0,25 ; 425 ≤ x ≤ 650 (700-x) / (700-500) ; 650 ≤ x ≤ 700 • Aturan ke-64 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-65 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-66 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-67 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-68 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-69 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-70 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-71 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-72 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-73 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-74 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-75 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-76 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 174 • Aturan ke-77 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-78 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-79 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-80 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-81 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-82 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-83 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-84 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-85 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-86 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-87 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 Pada saat µFRPN High [x] = 0.25, maka nilai x dapat ditentukan sebagai berikut. ¾ 0.25 = (x-500) / 200 x = 550 ¾ 0.25 = (900-x) / 200 x = 850 µFRPN 87 [ X] = • Aturan ke-88 ; sehingga 0 ; x ≤ 500 atau x ≥ 900 (x-500) / (700-500) ; 500 ≤ x ≤ 550 0,25 ; 550 ≤ x ≤ 850 (900-x) / (900-700) ; 850 ≤ x ≤ 900 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 Pada saat µFRPN Very High [x] = 0.25, maka nilai x dapat ditentukan sebagai berikut. ¾ 0.25 = (x-700) / 200 x = 750 ; sehingga 175 µFRPN 88 [ X] = 0 ; x ≤ 700 (x-700) / (900-700) ; 700 ≤ x ≤ 750 0,25 0 ; 900 ≤ x ≤ 1000 ; x ≥ 1000 • Aturan ke-89 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-90 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-91 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-92 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-93 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-94 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-95 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-96 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-97 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-98 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-99 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-100 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-101 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-102 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-103 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-104 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-105 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-106 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-107 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-108 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-109 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-110 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 176 • Aturan ke-111 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-112 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-113 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-114 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-115 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-116 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-117 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-118 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-119 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-120 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-121 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-122 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-123 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-124 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-125 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 Komposisi semua output Komposisi semua output yang memiliki daerah implikasi yaitu output aturan ke-62, aturan ke-63, aturan ke-87 dan aturan ke-88 dilakukan dengan menggunakan metode MAX. Adapun gambar komposisi semua output sebagai berikut. Adapun proses defuzzifikasi akan dilakukan dengan metode centroid. Untuk menentukan nilai crips, dilakukan dengan membagi solusi daerah fuzzy menjadi 4 bagian dengan luas masing-masing yaitu A1, A2, A3, dan A4. Sedangkan momen terhadap nilai keanggotaan masing-masing yaitu M1, M2, M3, dan M4. Adapun cara perhitungan dengan metode centroid sebagai berikut. 177 Gambar Solusi Daerah Fuzzy Perhitungan Momen : Perhitungan Luas : 375 M1 = ∫ (0.01x − 2) xdx = 9843,75 A1 = (75* 0,75) / 2 = 28,125 300 425 M2 = ∫ (0.75) xdx = 15000 A2 = 50 * 0,75 = 37,5 375 475 M3 = ∫ (5 − 0.01x) xdx = 11145,83 A3 = ((0,75+0,25) * 50) / 2 = 25 425 1000 M4 = ∫ (0.25) xdx = 96796,88 A4 = 525 * 0,25 = 131,25 475 Menghitung titik pusat : x= 9843,75 + 15000 + 11145 ,83 + 96796 ,88 132786 ,46 = 598,48 ≈ 598 = 28,125 + 37,5 + 25 + 131,25 221,88 Dapat dilihat dari perhitungan di atas bahwa dengan nilai input S = 6, O = 5 dan D = 3 dan dihitung dengan menggunakan metode MAMDANI maka akan diperoleh FRPN sebesar 601Hasil dari perhitungan manual ini memberikan hasil yang mirip dengan hasil perhitungan dengan menggunakan software MATLAB 2008a yaitu 598. 178 Lampiran 8 Petunjuk Penggunaan Sistem Pendukung Keputusan Model Strategi Pengetahuan untuk Klaster Industri Barang Jadi Lateks A. Deskripsi Singkat Model Model sistem pendukung keputusan (SPK) strategi pengetahuan diimplementasikan dalam suatu model berbasis komputer. Pengguna baik dari kalangan industri, pemerintah maupun lembaga pendukung (lembaga penelitian) dapat menggunakan model ini untuk tujuan menyusun strategi pengetahuan guna pengembangan suatu klaster industri. Sistem ini terdiri atas 5 model yaitu model pemilihan strategi pengembangan klaster dan area pengetahuan terkait, model analisis kesenjangan pengetahuan dan area pengetahuan kunci, model pemilihan strategi manajemen pengetahuan, model kodifikasi pengetahuan disain proses, dan model kodifikasi pengetahuan kegagalan proses. Sistem pendukung keputusan dirancang menggunakan Visual Basic for Applications (VBA) sebagai bahasa pemrograman untuk produk-produk Microsoft Office (Office), termasuk spreadsheet Microsoft Excel (Excel). Paket program ini memiliki beberapa fasilitas seperti basis data, pemodelan, analisis data, dan antarmuka yang diperlukan untuk mengembangkan SPK. B. Kebutuhan Perangkat Lunak Perangkat lunak tersusun atas beberapa file macro excel. Tujuan pembuatan Macro adalah agar semua perintah yang pengguna berikan akan direkam oleh aplikasi Excel dengan bahasa Visual Basic dan ditampilkan pada program bantu Microsoft Visual Basic Editor. Macro akan memungkinkan untuk merekam dan mengotomasi prosedur, menjalankan berulang-ulang dengan menekan tombol tertentu yang dirancang. Penjelasan masing-masing macro adalah sebagai berikut : FAHP Inisiatif Klaster.xlsm File macro ini dirancang dengan maksud untuk memenuhi kebutuhan pengguna dalam hal pemilihan strategi pengembangan klaster dan area pengetahuan terkait. Teknik yang digunakan adalah fuzzy analytical hierarchy process. File dapat merekam pendapat tiga orang responden ahli mengenai perbandingan berpasangan antar kriteria dan alternatif untuk kemudian dihitung nilai bobotnya. File ini juga sekaligus induk dari seluruh file 179 macro yang dirancang dalam arti seluruh file macro lainnya diakses melalui layar antar muka yang dibangun dalam file ini. Kmgap.xlsm File macro ini dirancang dengan maksud untuk memenuhi kebutuhan pengguna dalam melakukan analisis kesenjangan pengetahuan serta menentukan area pengetahuan kunci. Teknik yang digunakan adalah fuzzy average dan fuzzy inference system dengan metode Sugeno. File ini merupakan integrasi antara Microsoft Excel, Visual Basic dan MATLAB. File dapat merekam dan mengolah pendapat dari empat orang responden ahli Fahpskm.xlsm File macro ini dirancang dengan maksud untuk memenuhi kebutuhan pengguna dalam hal pemilihan strategi manajemen pengetahuan guna memperkecil kesenjangan pengetahuan yang terjadi. Teknik yang digunakan adalah fuzzy analytical hierarchy process. File dapat merekam dan mengolah pendapat tiga orang responden ahli mengenai perbandingan berpasangan antar kriteria dan alternatif untuk kemudian dihitung nilai bobotnya. Fqfdgloves.xlsm File marcro ini dirancang dengan maksud untuk memenuhi kebutuhan pengguna dalam hal kodifikasi pengetahuan disain proses serta menentukan prioritas proses untuk dilanjutkan dengan pembentukan taksonomi dan peta pengetahuan. Teknik yang digunakan dalam penentuan bobot proses adalah fuzzy quality function deployment. Fmea.xlsm File macro excel ini dirancang dengan maksud memenuhi kebutuhan pengguna dalam kodifikasi pengetahuan proses serta menentukan tingkat resiko kegagalan proses. Teknik yang digunakan adalah fuzzy failure mode and effect analysis. File ini merupakan integrasi antara Microsoft Excel, Visual Basic dan MATLAB. 180 Glove.rul File ini merupakan program sistem pakar yang dimakudkan untuk memenuhi kebutuhan pengguna dalam mendiagnosis penyebab kegagalan proses dalam pembuatan sarung tangan lateks serta mengetahui cara penanganan kegagalan proses. File dirancang menggunakan perangkat lunak winexys. C. Petunjuk Instalasi Instalasi program dapat mengikuti langkah-langkah sebagai berikut : 1. Letakkan seluruh file macro dalam satu folder 2. Letakkan folder macro tersebut dan winexys dalam folder C:\ 3. Jalankan aplikasi Ms Excel 4. Jalankan file induk FAHP Inisiatif Klaster.xlsm 5. Klik options, pilih enable this content dan tekan ok 6. Piih menu Add-Ins, lalu preference, klik pilihan start matlab 7. Jalankan file macro lainnya satu per satu serta pilih enable this content dan tekan ok D. Petunjuk Pengoperasian Sistem pendukung keputusan strategi pengetahuan dapat dijalankan dari file excel dengan nama FAHP Inisiatif Klaster. Pilih menu utama view macro dan lalu pilih mymacro seperti dapat dilihat pada Gambar 8.1. Gambar 8.1 Menjalankan file macro FAHP inisiatif klaster 181 Setelah perintah run dijalankan maka akan muncul tampilan seperti dapat dilihat pada Gambar 8.2. Terdapat enam sub model yang disediakan oleh SPK Strategi Pengetahuan. Gambar 8.2 Tampilan utama SPK Strategi Pengetahuan Strategi Pengembangan Klaster Menu pertama merupakan pendukung keputusan pemilihan strategi pengembangan klaster. Gambar 8.3 memperlihatkan tampilan bila kita menekan menu tersebut. Gambar 8.3 Pilihan perbandingan berpasangan pada hirarki keputusan pemilihan strategi pengembangan klaster 182 Gambar 8.4 Tampilan layar input perbandingan berpasangan antar aktor dalam strategi pengembangan klaster Gambar 8.4 memperlihat layar input perbandingan berpasangan antar aktor dalam strategi pengembangan klaster. Setiap perbandingan berpasangan dinilai menggunakan skala linguistik sama penting atau equally (e), sedikit lebih penting atau weakly preferred (w), jelas lebih penting atau strongly (s), sangat jelas lebih penting atau very strongly (vs) dan mutlak lebih penting atau absolutely preferred (a). Program juga dapat langsung menghitung nilai consistency ratio bila tombol submit ditekan. Perbandingan berpasangan dapat dilakukan pada masing-masing level dan terakhir adalah perbandingan berpasangan antar inisiatif strategi klaster seperti dapat dilihat pada Gambar 8.5 Gambar 8.5 Tampilan layar input perbandingan berpasangan antar strategi inisiatif klaster 183 Gambar 8.6 memperlihatkan tampilan output dari FAHP inisiatif klaster untuk bobot perspektif pada masing-masing aktor. Sedangkan tampilan ouput setiap tujuan strategis untuk masing-masing perspektif dapat dilihat pada Gambar 8.7. Gambar 8.6 Tampilan layar output bobot aktor dan perspektif klaster Gambar 8.7 Tampilan layar output bobot tujuan strategis pada masing-masing perspektif 184 Tampilan output untuk alternatif strategi pengembangan klaster untuk masingmasing tujuan strategis dapat dilihat pada Gambar 8.8. Gambar 8.8 Tampilan layar output bobot alternatif inisiatif strategi klaster pada masingmasing tujuan strategis Analisis Kesenjangan Pengetahuan Menu kedua dapat ditampilkan dengan menekan kotak yang bertuliskan analisis kesenjangan pengetahuan pada layar utama. Menu ini dalah pendukung keputusan dalam analisis kesenjangan pengetahuan serta area pengetahuan kunci. Gambar 8.9 Tampilan input penilaian setiap area pengetahuan 185 Gambar 8.9 memperlihat tampilan input penilaian tingkat kebutuhan pengetahuan serta kondisi penguasaan area pengetahuan saat ini. Program dapat memfasilitasi penilaian dari empat orang responden ahli. Hasil rata-rata fuzzy untuk seluruh responden dan nilai skor pada matriks kesenjangan pengetahuan dapat dilihat pada Gambar 8.10. Skor didapatkan dengan menu excel link yang menggabungkan perintah excel dengan matlab dengan rangkaian perintah sebagai berikut. =MLPutMatrix("si";faverage) =MLPutMatrix("k";kepentingan) =MLEvalString("val=fuzzyKnGap(k,si)") =MLGetMatrix( "val"; "F3") =fkngap(faverage;kepentingan;"F3") Gambar 8.10 Tampilan output rata-rata fuzzy setiap area pengetahuan dan skornya dalam matriks kesenjangan pengetahuan 186 Pemilihan Strategi Manajemen Pengetahuan Menu ketiga dapat dijalankan dengan menekan tombol atau kotak yang bertuliskan strategi manajemen pengetahuan pada layar utama. Gambar 8.11 memperlihatkan sub menu pilihan untuk melakukan perbandingan antar kriteria atau melakukan perbandingan antar strategi manajemen pengetahuan pada masing-masing kriteria. Output dari menu ini berupa bobot masing-masing kriteria dan strategi dapat dilihat pada Gambar 8.12. Gambar 8.11 Pilihan perbandingan berpasangan dalam menu pemilihan strategi manajemen pengetahuan Gambar 8.12 Tampilan ouput bobot strategi manajemen pengetahuan pada masing-masing kriteria 187 Kodifikasi Pengetahuan Disain Proses Menu keempat dapat ditampilkan dengan menekan kotak yang bertuliskan kodifikasi pengetahuan disain proses pada layar utama SPK. Tampilan yang muncul adalah layar input untuk tingkat kepentingan atribut karakteristik teknis produk dan tingkat hubungan antara karakteristik produk dengan karakteristik proses seperti dapat dilihat pada Gambar 8.13. Input data dapat dilakukan dengan menekan tombol combo box dan klik sesuai pilihan. Output akan diproses bila kotak proses yang terletak pada bagian atas rumah kualitas tersebut ditekan dan hasilnya akan muncul pada bagian bawah. Gambar 8.13 Layar input dalam menu kodifikasi pengetahuan disain proses 188 Kodifikasi Pengetahuan Kegagalan Proses Menu kelima dapat ditambilkan bila pilihan kodifikasi pengetahuan kegagalan proses pada layar utama ditekan. Terdapat 14 halaman yang berisi keterangan kegagalan proses yang mungkin terjadi dalam proses produksi sarung tangan lateks, efek kegagalan proses berikut nilai tingkat keparahannya (severity), penyebab kegagalan proses berikut nilai tingkat keseringannya (occurance) serta tingkat kemampuan mendeteksi munculnya penyebab (detectability). Input penilaian severity (s), occurance (o) dan detectability (d) dapat dilakukan dengan memasukkan angka dari 1 s/d 10 pada kota S, O dan D. Kemudian secara otomatis program akan menghitung nilai risk priority number (RPN) konvensional dan juga dengan pendekatan fuzzy atau fuzzy risk priority number (FRPN). Perhitungan FRPN dilakukan dengan mengintegrasikan fungsi Matlab di dalam macro excel. Gambar 8.14 Tampilan layar input dan ouput dalam FMEA 189 Lampiran 9 Rule Base Sistem Pakar 190 191 192 193 194 195 196 197 198 199 200 201 Lampiran 10. Validation Tree Sistem Pakar Lampiran 12 Tabel FMEA Fungsi Proses Kegagalan pada Proses Waktu kemantapan mekanik kurang (120 cps) Lateks mengandung banyak sabun Penerimaan bahan kimia Dispersi bahan kimia Fungsi Proses Pemeraman kompon lateks Pembuatan koagulan Lateks kurang stabil (mudah menggupal dan mudah membentuk lapisan lateks kering permukaan lateks) Lateks cepat rusak Timbul pinhole atau fisheye pada produk sarung tangan. Timbul pinhole atau fisheye pada produk sarung tangan Umur bahan kimia sudah atau Tampilan produk buruk mendekati kadaluarsa Hasil dispersi tidak sempurna Kegagalan pada Proses Timbul busa pada kompon lateks Pengomponan lateks Efek dari Kegagalan Proses Produk sarung tangan mudah sobek atau lengket. Efek dari Kegagalan Proses Timbul pinhole atau fisheye pada produk sarung tangan S Penyebab Kegagalan Proses 10 7 Stripping Tumbling FRPN Waktu pemeraman lateks kurang 4 1 Diamkan selama 2-4 hari 24 401 5 3 Penambahan KOH atau laurat sebanyak 1,5 2,5 liter dan didiamkan selama 1 malam agar dapat bereaksi 90 601 Kebersihan drum tidak terjaga terutama pada drum plastik 2 2 Tingkatkan kebersihan tangki atau gunakan plastik pelindung ke dalam drum 40 883 Beli lateks pekat dari pabrik yang berasal dari klon khusus penhasil lateks pekat, misalnya klon GT1. 84 632 Lihat catatan spesifikasi dari pemasok atau gunakan alat ukur MST mixer dengan 12000 rpm Lateks bukan berasal dari klon khusus penghasil lateks pekat 2 6 Lateks terlalu lama diperam 5 3 Lakukan pengenceran dengan air dan KOH 10% 105 674 3 4 Campur dengan lateks yang tidak mengandung banyak sabun. Setiap pemindahan lateks dilakukan sehati-hati mungkin mempertimbangkan timbulnya buih. Setiap kali penuangan standby harus cukup agar buih naik ke permukaan. Pembersihan buih harus dilakukan dengan benar. Buih dikumpulkan terlebih dahulu di tengah, kemudian selanjutnya dipinggirkan. 96 748 Pemasok memperbanyak sabun untuk meningkatkan MST 5 Penyimpanan bahan kimia di gudang pemasok terlalu lama 2 1 Kembalikan ke pemasok 10 300 Pemasukkan bahan tidak sesuai formula 2 6 Pastikan bahwa bahan kimia yang digunakan yaitu Sulphur, ZDEC, ZDBC, ZnO, ZO, TiO2) sesuai ketentuan takaran dan ditimbang dengan timbangan analitis 96 708 Waktu proses terlalu cepat atau tidak sesuai dengan petunjuk operasi 5 2 Waktu proses minimal 2 hari atau sesuai dengan petunjuk operasi 80 708 Bola dispersi tidak mencukupi atau bentuknya sudah tidak standar 3 3 Melakukan pemeriksaan berkala terhadap jumlah dan kondisi bola-bola dispersi 72 748 Cara pengisian botol pendispersi (perbandingan bahan, batu, dan udara) tidak memenuhi cara yang benar 4 2 Bola-bola harus memenuhi setengah botol dan setelah ditambah bahan kimia dan air masih menyisakan ruang kosong 1/3 volume botol 64 708 O D Tindakan perbaikan RPN FRPN 8 S Penyebab Kegagalan Proses Pengadukan terlalu cepat 6 2 Pengadukan diperlambat, kontinu dan jangan sampai menimbulkan busa 108 883 Pemasukkan bahan tidak hati-hati 8 2 Penuangan didekatkan dengan dinding wadah atau tempelkan ke permukaan lateks 144 883 60 461 36 356 54 883 42 595 9 Lateks kompon kurang homogen Ketebalan produk sarung tangan bervariasi 5 Waktu pengadukan kurang lama terlebih lagi bila lateks terlalu kental (>120 cps) 4 3 Saring dengan saringan stainless 100 mesh Timbul gumpalan-gumpalan kecil Sarung tangan menjadi kasar 3 Jenis dan jumlah bahan penstabil lateks tidak mencukupi 4 3 Masih terdapat buih pada kompon lateks Timbul pinhole atau fisheye produk sarung tangan 9 Waktu pemeraman kompon lateks kurang lama 3 2 Viskositas koagulan terlalu rendah Ketebalan produk sarung tangan bervariasi 7 Dosis bahan koagulan kurang 3 2 7 Masa pemeraman koagulan yang kurang dan tidak adanya penambahan wetting agent 6 2 Pemeraman koagulan harus mencapai 1 hari 84 632 5 Proses dipping dimulai jika larutan koagulan sudah stabil (30-60 menit setelah pengaturan koagulan selesai). Selain itu, ratakan lapisan koagulan pada cetakan dengan spon agar lapisan koagulan merata pada cetakan. 80 708 72 748 36 404 112 448 27 356 Tingkat pembasahan (wetting) Timbul cacat dekok dan kerutan pada kurang produk sarung tangan Lapisan koagulan tidak rata pada cetakan Ketebalan produk sarung tangan bervariasi 2 8 Cetakan kotor, berminyak, kalis 3 3 Kurang hati-hati saat mencelupkan cetakan ke dalam lateks dipping 3 3 Timbul buih pada saat pencelupan lateks Timbul pinhole atau fisheye pada produk sarung tangan 4 Lateks mengandung banyak sabun 4 7 Terdapat kotoran pada cetakan dan lateks Terdapat kotoran pada sarung tangan 3 Tidak dilakukan penyaringan kompon atau cetakan kurang bersih 3 3 Hasil pencelupan tidak rata Ketebalan produk bervariasi 3 Lateks dipping pada bak celup cepat mengental atau koagulan tidak menempel 5 6 S Penyebab Kegagalan Proses O D Kegagalan pada Proses Efek dari Kegagalan Proses Gulungan tidak rapih 5 Pengeringan kurang lama 3 2 Gulungan mudah lepas 4 Penggulungan terlalu cepat 3 2 Pencucian kurang bersih Terdapat kotoran pada sarung tangan 4 Terlalu matang Timbul bintik-bintik pada bending, warna menjadi coklat, dan susah dilepas dari cetakan 2 Kurang matang Produk sobek 4 Pengovenan Pemberian powder RPN Kurang bahan penstabil Lamanya pengadukan campuran lateks 60% dengan stabilizer sebelum ditambahkan dispersi kimia harus mencapai 30 menit. Sedangkan lamanya pengadukan campuran lateks 60% (setelah ditambahkan stabilizer, dispersi kimia dan wetting agent) harus mencapai 30 menit Pengeringan hasil Produk kurang kering celup dan bending Gulungan kurang padat Pencucian (post leaching) Tindakan perbaikan 8 Pencelupan ke dalam kompon lateks Fungsi Proses D 6 Lapisan koagulan kurang homogen Pencelupan cetakan ke dalam koagulan O Powder kurang merata Lengket dan sulit dilepas Lengket dan berubah bentuk Produk sulit dilepas dan lengket Produk sobek Produk sobek 3 3 3 Pencucian dilakukan dengan terburu-buru dan kurang bersih 3 3 Waktu pengovenan terlalu lama 3 2 Sumber apinya terlalu besar 2 2 Waktu pengovenan kurang lama 3 2 Sumber apinya kurang besar 2 2 Jumlah powder kurang 3 3 Kelalaian operator dalam memberikan powder 2 2 Kuku operator panjang 2 2 Teknik kurang dikuasai 3 5 Jumlah powder kurang 3 2 Terlalu matang 3 4 Pemeraman kompon lateks dilakukan minimal selama 2 hari sebelum digunakan dan pembersihan busa dilakukan menggunakan saringan plastik dengan cara diangkat pelanpelan Naikkan konsentrasi kalsium nitrat dan karbonat Pencucian cetakan harus dilakukan sebersih mungkin hingga tidak terdapat kotoran papaun pada cetakan. Bila perlu, menggunakan konsentrasi asam nitrat 1-2% dan temperatur 27-30ºC Lateks harus bebas dari bubble, busa, dan pengotor lainnya. Pengadukan dilakukan secara perlahan dan gumpalan lateks harus dikeluarkan dari lateks dip Lakukan penyapuan buih setiap kali akan melakukan pencelupan. Penyapuan busa harus dilakukan dengan benar. Busa dikumpulkan terlebih dahulu di tengah, kemudian selanjutnya dipinggirkan Lakukan proses penyaringan dengan alat penyaring yang terbuat dari kawat stainless steel dengan mess 100 Diambil permukaan yang mengental dan tambah stabilizer kemudian diaduk Tindakan perbaikan Waktu stanby kira-kira 5 menit Perbaiki cara penggulungan. Lakukan dengan hati-hati dan tidak terburu-buru. Rendam dengan air panas 50-60ºC selama 30 menit dan bilas dengan air dingin, kemudian masukkan wet powder dan tumbler. Kontrol thermometer (thermocouple) dan lakukan kalibrasi serta pengovenan dilakukan selama 1.5-2 jam dengan suhu 85-95ºC Jumlah powder sebaiknya ditambah sesuai dengan kebutuhan Memberikan pengarahan kepada operator agar dapat memberikan powder secara merata (baik pembedakan kering maupun pembedakan basah) Sebaiknya kuku operator dipotong untuk menghindari sarung tangan menjadi sobek ketika dilepaskan Sarung tangan dilepaskan dari bagian dalam menjadi bagian luar. Menarik sarung tangan dari bagian cuff dan semuanya terbalik. Pakai sarung tangan katun sehingga kuku tidak kontak langsung dengan karet. Jumlah powder sebaiknya ditambah sesuai dengan kebutuhan Sarung tangan dimasukkan ke dalam tumbler per 10 kg. Suhu tumbler di-setting 50-70ºC selama 30 menit. Setelah selesai proses tumbling, sarung tangan dimasukkan ke dalam keranjang 90 401 RPN FRPN 30 364 24 318 36 404 12 155 8 155 24 318 16 318 27 356 12 258 12 258 45 356 18 258 36 356 Periksa dengan viskometer atau secara manual celupkan tangan dan tarik keluar, bila aliran lateks yang jatuh dari tangan deras, berarti viskositasnya rendah F1 C1 S1 210 Lampiran 13 Petunjuk Penggunaan Portal Manajemen Pengetahuan Tampilan Awal Sistem Pada tampilan awal seperti pada Gambar.1 terdapat halaman awal dari portal manajemen pengetahuan. Pada halaman awal ini setiap pengunjung portal di identifikasi sebaga user tamu (guest). User tamu (guest) diberikan kesempatan untuk mendaftar menjadi anggota portal manajemen pengetahuan. Bagi user yang telah terdaftar dapat langsung menginput username dan password untuk masuk ke dalam portal. Gambar 1 Tampilan Awal. Fasilitas Perpustakaan Bagi User Tamu (Guest) Pada portal manajemen pengetahuan setiap pengunjung yang bukan member dapat mengakses fasilitas perpustakaan yang tersedia. Tetapi terdapat fitur dari perpustakaan yang tidak dapat diakses oleh user tamu. 211 Gambar 2 Fasilitas Perpustakaan bagi user tamu. Form Registrasi Member Bagi yang belum terdaftar menjadi member portal manajemen pengetahuan, disediakan form registrasi, form ini berfungsi untuk mengambil input dari biodata user yang akan mendaftar menjadi member portal manajemen pengetahuan. Setelah mengisi form ini, user mendapatkan hak untuk mengakses secara penuh fasilitas dari portal manajemen pengetahuan ini. Gambar 3 Form pendaftaran member. 212 Halaman Muka Portal Setelah Melakukan Login Sebagai User Setelah melakukan login, seorang member dari portal manajemen pengetahuan mendapatkan akses terbatas dalam fasilitas serta fitur – fitur yang ada pada portal ini. Adapun fitur yang disediakan oleh portal manajemen pengetahuan bagi seorang member antara lain : ‐ Perpustakaan (Artikel & Peta Pengetahuan) ‐ Profil Pengguna ‐ Forum ‐ Cari Pakar ‐ My Bookmarks Fasilitas Perpustakaan (Artikel & Peta Pengetahuan) Pada menu perpustakaan seorang user yang sudah login sebagai member dapat melakukan beberapa aktivitas, diantaranya adalah : ‐ Melihat artikel ‐ Melihat peta pengetahuan Gambar 4 Lihat Artikel 213 Gambar 5 Lihat Peta Pengetahuan Fasilitas Profil Pengguna Pada menu profil pengguna, seorang member dapat membuat data profil tentang dirinya sesuai dengan informasi yang dibutuhkan yakni : ‐ Nama Lengkap ‐ Perusahaan ‐ Jabatan ‐ Alamat Perusahaan ‐ Kota ‐ No. Telepon ‐ Alamat Email 214 Gambar 6 Input profil pengguna Disamping member dapat mengelola biodata informasi tentang dirinya, pengguna juga dapat melakukan perubahan email address serta password untuk login ke dalam sistem portal manajemen pengetahuan seperti yang ditunjukkan pada Gambar 7. 215 Gambar 7 Edit e-mail address & password Fasilitas Cari Pakar Seorang member yang sudah diverifikasi oleh admin dapat menggunakan fitur cari pakar untuk mencari moderator yang juga seorang pakar di dalam bidang klaster industri barang jadi lateks seperti ditunjukkan pada Gambar 8. 216 Gambar 8 Cari Pakar Fasilitas Forum Seorang member sistem portal manajemen pengetahuan dapat ikut serta di dalam forum seperti ditunjukkan pada Gambar 9. 217 Gambar 9 Forum Topic ABSTRACT DEDY SUGIARTO. Knowledge management model at latex goods industrial cluster in West Java and Banten. Supervised by SYAMSUL MA’ARIF, MARIMIN, ILLAH SAILAH, SUKARDI, SUHARTO HONGGOKUSUMO. The objective of this research was to design knowledge management model at latex goods industrial cluster by taking cases in West Java and Banten Provinces. Latex goods industry in this area is dominated by small and medium enterprises (SME) that produce latex goods. The common problems for SME were lack of knowledge, technological skills, equipment, and marketing network, and also limited access to formal training. Fuzzy analytical hierarchy process technique was used to determine cluster strategy and knowledge management strategy. Knowledge gap analysis with fuzzy logic approach was used to identify key knowledge areas. Fuzzy average technique and Sugeno fuzzy inference system were used in this knowledge gap model. Fuzzy quality function deployment (FQFD), fuzzy failure mode and effect analysis (FFMEA), and expert systems were used to codify key knowledge area for supporting cluster initiative. The model was packaged in decision support system software. Knowledge management portal was developed using drupal content management system to support knowledge sharing in cluster. This research showed that innnovation and technology initiative was the most important initiative for developing latex goods industrial cluster. Therefore, knowledge about innovation and technology, especially production process design and control, are the related knowledge area that should be managed to develop cluster. Nine knowledge areas were detected based on fuzzy knowledge gap analysis. They were compound formulation, coagulant formulation, raw material inspection, dispersion process, dispersion inspection, compound dipping, leaching, vulcanization, and final inspection and failure analysis. Combination of codification and personalization strategy was the most important knowledge management strategy to support innovation and technology initiative and managed key knowledge areas. Result from the FQFD analysis showed that process design in compound dipping, vulcanization system, vulcanization process, and latex concentrate were the key processes in latex dipping in order to meet product technical characteristic. FFMEA analysis showed that latex incoming process and compounding between latex concentrate and chemical dispersion were the processes with highest fuzzy risk priority number. Knowledge codification media such as knowledge taxonomy and expert systems were constructed to codify knowledge about latex dipped goods process design and control. Knowledge management portal was designed for storing and sharing these key knowledge areas. Keywords : knowledge management strategy, industrial cluster, fuzzy AHP, fuzzy QFD, fuzzy FMEA, expert systems, latex goods iii 1 1 PENDAHULUAN 1.1 Latar Belakang Teori strategi akhir-akhir ini menunjukkan bahwa sumber daya yang tak terlihat (intangible resources) seperti pengetahuan, keahlian, motivasi, budaya, teknologi, kompetensi dan kemitraan (relationship) adalah pendorong yang paling penting untuk mencapai keunggulan bersaing yang berkelanjutan dibandingkan sumber daya yang terlihat (tangible resources) seperti bahan baku, mesin, tanah, modal dan pabrik (Marti, 2004; Abdollahi et al., 2008; Denford dan Chan, 2011). Di tengah situasi persaingan yang semakin kompetitif ditandai dengan bertambahnya jumlah pemain pasar di tingkat lokal, nasional maupun internasional serta tuntutan pasar yang semakin tinggi, sebuah perusahaan tidak lagi hanya bisa mengandalkan kepada lokasi yang mudah dicapai, bahan baku yang mudah didapat atau ketersediaan akses modal, tetapi juga kemampuan untuk bisa menghasilkan produk yang lebih berkualitas dan inovatif. Untuk itu tentunya perusahaan harus memiliki sumber daya pengetahuan yang cukup, baik pengetahuan mengenai teknologi proses, pasar dan pemasaran, pengembangan bisnis maupun area pengetahuan lainnya sesuai kebutuhan perusahaan. Nonaka dan Takeuchi (1995) juga menekankan bahwa saat ini perusahaan yang ingin sukses adalah mereka yang secara konsisten menciptakan pengetahuan baru, menyebarkannya secara luas dalam organisasi, dan secara cepat mengubahnya menjadi berbagai teknologi dan produk baru. Konsep penggunaan pengetahuan dalam strategi bersaing memunculkan teori mengenai strategi pengetahuan yang antara lain dikemukakan oleh Zack (1999). Strategi pengetahuan memberikan pengertian strategi berbasis pengetahuan, yaitu strategi bersaing yang didasarkan pada modal intelektual dan kapabilitas yang dimiliki perusahaan. Pada saat perusahaan telah mengidentifikasi strategi bersaing yang akan digunakan maka tindakan harus dilakukan untuk mengelola kesenjangan pengetahuan yang mungkin terjadi untuk melaksanakan strategi tersebut seperti dengan cara merekrut keahlian tertentu, membangun sistem penyimpanan dokumen on line, membangun komunitas keahlian, 2 mengakuisisi perusahaan, lisensi teknologi, dan sebagainya. Strategi pengetahuan berorientasi pada apa pengetahuan yang bersifat strategik. Clarke dan Turner (2004) menyatakan bahwa pandangan mengenai pentingnya strategi pengetahuan untuk meciptakan keunggulan bersaing perusahaan selama ini lebih banyak dikaitkan dengan teori mengenai pandangan berbasis sumber daya (resource based view/ RBV) yang diperkenalkan oleh Wernerfelt pada tahun 1984. RBV memperkenalkan bahwa keunggulan kompetitif suatu organisasi diturunkan dari sumber daya yang bernilai dan unik dimana pesaing akan sangat membutuhkan biaya besar untuk menirunya. Dalam literatur manajemen strategik terdapat dua pandangan lain untuk mencapai keunggulan bersaing yaitu struktur industri atau pandangan berbasis pasar (market based view/ MBV) dan pandangan relasional (Clarke dan Turner 2004). Pandangan struktur industri diperkenalkan oleh Porter pada tahun 1980 dan pandangan relasional diperkenalkan oleh Dyer dan Singh pada tahun 1998. Berbeda dengan RBV yang menetapkan perusahaan sebagai unit utama dalam analisis, pandangan relasional menetapkan jaringan antar perusahaan sebagai unit analisis (Dyer dan Singh 1998). Clarke dan Turner (2004) menekankan perlunya model strategi pengetahuan yang lebih komprehensif dengan melibatkan pandangan relasional seperti klaster industri. Selain keterkaitan strategi pengetahuan dengan klaster industri, pengetahuan sebagai salah satu sumber daya tak terlihat semakin menunjukkan posisi strategisnya ditandai dengan kemunculan teori mengenai manajemen pengetahuan serta berbagai penerapannya di berbagai perusahaan atau organisasi (Nonaka dan Takeuchi 1995; Davenport dan Prusak 1998). Cara bagaimana sumber daya pengetahuan tersebut dikelola merupakan domain dari manajemen pengetahuan (Sangkala, 2006). Beberapa penelitian tentang manajemen pengetahuan yang terkait dengan konsep strategi pengetahuan dan klaster industri telah dilakukan Van Horne et al. (2005), Sureephong (2007), serta Chen and Xiangzhen (2010). Penelitian Van Horne et al. (2005) menghasilkan suatu model manajemen pengetahuan untuk mengelola pengetahuan pada industri kehutanan di Kanada dengan perguruan tinggi dan pusat penelitian bertindak sebagai aktor utama. Penelitian Sureephong 3 (2007) menghasilkan suatu model sistem manajemen pengetahuan untuk mengelola pengetahuan pemasaran ekspor pada klaster industri keramik skala kecil dan menengah di Thailand dengan aktor utama adalah asosiasi industri keramik. Penelitian Chen dan Xiangzhen (2010) menghasilkan suatu model sistem manajemen pengetahuan untuk memajukan kompetensi inti pada klaster industri. Namun demikian model strategi dan manajemen pengetahuan pada beberapa penelitian terdahulu tersebut belum terkait dengan pemilihan inisiatif strategi pengembangan klaster serta strategi manajemen pengetahuan untuk mendukung strategi pengembangan klaster. Sebagai obyek dalam penelitian perancangan model manajemen pengetahuan ini adalah sentra industri barang jadi lateks di Jawa Barat dan Banten. Berdasarkan BPPT (2003) dan Hartarto (2004), sentra industri secara umum dapat dijadikan pintu masuk dalam pembentukan klaster. Industri barang jadi lateks antara lain terkonsentrasi di propinsi Sumatera Utara yang didominasi oleh industri sarung tangan berskala besar serta di propinsi Jawa Barat dan Banten yang lebih didominasi oleh industri barang jadi lateks terutama barang celup berskala kecil dan menengah. Secara umum industri berskala kecil dan menengah ini masih jauh tertinggal dibandingkan industri yang berskala besar dalam hal pengetahuan, teknologi dan pemasaran terutama untuk ekspor. Dalam rangka pengembangan industri berbasis karet ini, Ridha et al. (2000) juga menekankan bahwa pada era perdagangan bebas, perdagangan industri karet akan sangat ditentukan oleh daya saing mutu dan harga jual sehingga penguasaan teknologi, kemudahan dalam mendapatkan bahan baku, efisiensi pengolahan serta ketersediaan tenaga ahli akan mendukung industri karet di dalam negeri menjadi kompetitif di pasar domestik dan dunia. Nelly dan Haris (2010) menekankan pula bahwa dengan meningkatkan pengetahuan dan keahlian sumber daya manusia dalam hal teknologi, peralatan dan jejaring pemasaran akan dapat meningkatkan pendapatan perusahaan secara signifikan. Permasalahan lain secara lebih makro dalam sektor agroindustri karet saat ini adalah konsumsi dalam negeri yang hanya sekitar 16% dari total produksi karet alam nasional seperti dapat dilihat pada Tabel 1 serta ragam produk barang jadi yang masih terbatas, yang didominasi oleh produk berbasis karet remah 4 (crumb rubber). Karet remah dikemas dengan ukuran dan berat standar yang secara umum dikonsumsi oleh industri barang jadi karet skala besar seperti industri ban yang memiliki mesin banbury dan kneader. Hal ini menunjukkan masih lemahnya industri hilir karet atau barang jadi karet non ban di Indonesia dalam menyerap karet alam dalam negeri. Secara umum karet alam dalam negeri dikonsumsi oleh industri hilir yang berbasiskan pada karet padat dan cair (barang jadi lateks) baik berskala besar maupun berskala kecil dan menengah. Nancy et al. (2001) dan Suparto dan Syamsu (2008) menekankan pentingnya mengembangkan industri berbasis lateks untuk memacu peningkatan konsumsi karet alam dalam negeri mengingat barang jadi lateks merupakan produk yang kandungan karetnya paling tinggi. Barang jadi lateks sendiri dapat terdiri atas beberapa jenis produk yaitu barang celup lateks seperti sarung tangan, kondom, kateter, komponen spygmomanometer; barang cetakan seperti karet busa seperti kasur lateks dan bantal lateks serta barang jadi karet cair seperti perekat lateks. Tabel 1 Produksi dan konsumsi karet alam beberapa negara tahun 2010 (IRSG 2010) Negara Thailand Indonesia Malaysia India Vietnam Srilanka Produksi (juta ton) 3,22 2,70 0,92 0,86 0,75 0,14 Konsumsi (juta ton) 0,41 0,43 0,50 1,01 0 0 % Kons. Thd Prod. 12,74 15,93 54,35 117,44 0 0 Pendekatan yang dilakukan Pemerintah untuk mengembangkan sektor industri berbasis karet adalah menggunakan pendekatan klaster industri. Hal ini tercantum dalam Peraturan Presiden Republik Indonesia No. 7/2005 mengenai penguatan dan penumbuhan klaster-klaster industri inti, yaitu : 1) Industri makanan dan minuman; 2) Industri pengolahan hasil laut; 3) Industri tekstil dan produk tekstil; 4) Industri alas kaki; 5) Industri kelapa sawit; 6) Industri barang kayu (termasuk rotan dan bambu); 7) Industri karet dan barang karet; 8) Industri 5 pulp dan kertas; 9) Industri mesin listrik dan peralatan listrik; dan 10) Industri petrokimia. Beberapa penelitian oleh Albaladejo M (2001), Karaev (2007) dan Zeinalnezhad M et al. (2010) menunjukkan bahwa pendekatan klaster dapat digunakan meningkatkan daya saing dari industri kecil dan menengah. Namun demikian pengembangan klaster dihadapkan pada suatu permasalahan bagaimana membangun dan mempertahankan kerjasama antar anggota klaster. Sejalan dengan bergesernya era industri kepada era pengetahuan maka pengembangan klaster juga perlu mempertimbangkan strategi pengembangan berbasiskan pengetahuan serta kerjasama dalam bentuk berbagi pengetahuan (knowledge sharing) antar anggota klaster. 1.2 Tujuan Penelitian Tujuan umum dari penelitian ini adalah menghasilkan model manajemen pengetahuan untuk pengembangan klaster agroindustri barang jadi lateks di Jawa Barat dan Banten. Secara rinci tujuan tersebut meliputi : (1) Menghasilkan model pemilihan strategi pengembangan klaster berbasis pengetahuan; (2) Menghasilkan model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci; (3) Menghasilkan model pemilihan strategi manajemen pengetahuan; (4) Menghasilkan model kodifikasi pengetahuan disain proses dari area pengetahuan kunci ; (5) Menghasilkan model kodifikasi pengetahuan kegagalan proses; (6) Menghasilkan rancangan portal manajemen pengetahuan sebagai sarana berbagi pengetahuan 1.3 Ruang Lingkup Penelitian Ruang lingkup penelitian difokuskan pada perancangan model sistem pendukung keputusan serta sistem manajemen pengetahuan dengan studi kasus klaster agroindustri barang jadi lateks di Jawa Barat dan Banten. Konsep manajemen dibatasi pada perumusan strategi pengetahuan berdasarkan pandangan relasional (klaster industri), strategi manajemen pengetahuan, penentuan prioritas kodifikasi pengetahuan, kodifikasi pengetahuan kunci serta portal manajemen pengetahuan sebagai sarana sarana berbagi pengetahuan antar pelaku klaster. Pemilihan area pengetahuan kunci dilakukan berdasarkan analisis kesenjangan 6 pengetahuan. Kodifikasi pengetahuan menggunakan beberapa teknik yaitu penyebaran fungsi kualitas (quality function deployment), analisis modus kegagalan dan akibat (failure mode and effect analysis), taksonomi pengetahuan, peta pengetahuan dan sistem pakar. 1.4 Kegunaan Penelitian Penelitian ini diharapkan bermanfaat bagi pengembangan ilmu pengetahuan, baik secara akademik maupun praktis, dengan penjelasan sebagai berikut : (1) Secara akademik hasil penelitian ini berguna bagi peneliti dan peminat ilmu strategi terutama keterkaitan antara strategi dengan manajemen pengetahuan; (2) Model strategi pengetahuan yang akan dikembangkan diharapkan pula dapat bermanfaat bagi agroindustri barang jadi lateks yang menggunakan pengetahuan sebagai dasar keunggulan bersaing secara berkelanjutan; (3) Metodologi dan pemodelan yang digunakan serta hasil penelitian diharapkan akan menjadi referensi bagi peneliti lain dalam mengembangkan model-model manajemen pengetahuan agroindustri barang jadi lateks; (4) Perangkat lunak sebagai salah satu output dari hasil penelitian ini dapat digunakan oleh berbagai kalangan di dalam proses pengambilan keputusan formulasi strategi pengetahuan serta pengembangan klaster industri barang jadi lateks. 7 2 TINJAUAN PUSTAKA 2.1 Perkembangan Manajemen Strategik Porter (1985) menyatakan strategi adalah mengenai bagaimana mencapai dan mempertahankan posisi industri untuk mempertahankan keunggulan bersaing. Porter (1998) juga menyatakan strategi sebagai konfigurasi dari berbagai aktivitas yang membedakan suatu perusahaan dengan pesaingnya. David (2004) mendefinisikan strategi sebagai cara untuk mencapai tujuan-tujuan jangka panjang. Kaplan dan Norton (2004) menyatakan strategi menggambarkan bagaimana organisasi bermaksud untuk menciptakan nilai bagi pemegang saham, pelanggan dan masyarakat. Sedangkan Zack (1999) menyatakan strategi sebagai tindakan penyeimbangan antara lingkungan eksternal (peluang dan ancaman) dan kapabilitas internal perusahaan (kekuatan dan kelemahan). Dalam literatur manajemen strategik terdapat tiga pandangan untuk mencapai keunggulan bersaing yaitu struktur industri atau pandangan berbasis pasar (market based view/ MBV), pandangan berbasis sumber daya (resource based view/ RBV) dan pandangan relasional (Clarke dan Turner 2004). Pandangan aliran MBV, yang sering diasosiasikan dengan pemikiran Michael Porter, selalu mengawali pemikirannya dengan melihat pasarnya lebih dahulu, dengan melakukan analisis lingkungan eksternal (industri) menggunakan model Five Force. Fokus penyusunan strategi pada bagaimana mencapai dan mempertahankan posisi industri untuk mempertahankan keunggulan bersaing (Porter 1985). Sementara pendekatan RBV selalu berupaya meletakkan jargon bersaingnya pada bagaimana menciptakan inovasi masa depan melalui sumber daya yang dimiliki oleh organisasi untuk dapat meningkatkan kapabilitasnya dalam bersaing melalui pemilihan kompetensi inti (Huseini, 1999). RBV memperkenalkan bahwa keunggulan kompetitif suatu organisasi diturunkan dari sumber daya yang bernilai dan unik dimana pesaing akan sangat membutuhkan biaya besar untuk menirunya. Pandangan RBV menyarankan perusahaan untuk memposisikan dirinya secara strategik didasarkan pada sumber daya dan kapabilitas yang unik, bernilai dan sulit ditiru. Sumber daya dan kapabilitas yang digunakan pada banyak produk 8 yang dihasilkan dan beragam pasar yang dimasuki, lebih merupakan pendorong strategik dibandingkan mentargetkan pada produk tertentu, dan pasar tertentu. Produk dan pasar dapat pergi, namun sumber daya dan kapabilitas tetap tertinggal dalam perusahaan (Zack, 1999). Sebagai kelanjutan dari pemikiran RBV, teori strategi akhir-akhir ini menunjukkan bahwa sumber daya yang tak terlihat (intangible resources) seperti pengetahuan, keahlian, motivasi, budaya, teknologi, kompetensi dan kemitraan (relationship) adalah pendorong yang paling penting untuk mencapai keunggulan bersaing yang berkelanjutan dibandingkan sumber daya yang terlihat (tangible resources) seperti bahan baku, mesin, tanah, modal dan pabrik (Marti, 2004). Sumber daya tak berwujud berkontribusi lebih dari 75 % dari nilai pasar suatu organisasi, oleh karena itu formulasi strategi dan eksekusinya perlu mengeksplisitkan mobilisasi dan penyelarasan dari sumber daya tak berwujud (Kaplan dan Norton 2004). Sumber daya jenis ini jauh lebih sulit bagi pesaing untuk ditiru dimana biasanya melekat dalam keunikan rutinitas organisasi dan praktek yang telah terakumulasi sepanjang waktu (Dess 2005). Pandangan relasional atau inter-firm view dipekernalkan oleh Dyer dan Singh (1998). Berbeda dengan RBV yang menetapkan perusahaan sebagai unit utama dalam analisis, pandangan relasional menetapkan jaringan antar perusahaan sebagai unit analisis (Dyer dan Singh 1998). Globalisasi ekonomi dan cepatnya kemajuan teknologi telah memaksa perusahaan untuk melihat lebih jauh dari hanya satu industri atau satu perusahaan sebagai sumber keunggulan bersaing. Kemitraan dengan pemasok, pelanggan, investor, mitra bisnis dan bahkan pesaing menjadi penentu kesuksesan suatu perusahaan di pasar. Kerja sama antar perusahaan dapat memberi kesempatan tumbuhnya ruang belajar secara kolektif dimana terjadi saling-bagi pegetahuan serta kombinasi dari berbagai sumber daya dan kapabilitas yang saling melengkapi dalam suatu usaha kolektif untuk meningkatkan kualitas produk dan pindah ke segmen pasar yang lebih menguntungkan. Menurut Clarke dan Turner (2004) implementasi pandangan ini dapat dilakukan dalam bentuk aliansi strategis atau klaster industri. Wheelen dan Hunger (2004) menyatakan aliansi strategis adalah kemitraan dari dua atau lebih 9 perusahaan atau unit bisnis untuk mencapai tujuan strategis secara nyata dan saling menguntungkan yang dapat dilakukan dengan konsorsium, joint venture, perjanjian lisensi atau kemitraan rantai nilai. Sedangkan Porter (1998) mendefinisikan klaster sebagai konsentrasi geografis dari perusahaan-perusahaan yang saling terhubungkan, pemasok-pemasok, penyedia jasa, perusahaanperusahaan dalam industri terkait serta institusi lain (perguruan tinggi, badan standarisasi, asosiasi dagang) dalam suatu lapangan usaha tertentu yang saling bersaing tetapi juga bekerja sama. Porter (1990) mengemukakan konsep tentang keunggulan kompetitif dari suatu negara yang erat kaitannya dengan konsep klaster industri. Faktor-faktor yang mempengaruhi keunggulan kompetitif suatu negara dikemas dalam model Berlian Porter seperti terlihat pada Gambar 1 yaitu : 1. Kondisi faktor, posisi nasional dalam berbagai faktor produksi seperti tenaga kerja terlatih dan infrastuktur yang dibutuhkan untuk bersaing dalam suatu jenis industri 2. Kondisi permintaan, permintaan pasar terhadap produk industri 3. Industri terkait dan pendukung, ketersediaan atau ketidaktersediaan industri pemasok dan industri terkait yang dapat bersaing secara internasional 4. Strategi perusahaan, struktur dan persaingan. Kondisi pemerintah bagaimana perusahaan diciptakan, diorganisasikan dan dikelola dalam persaingan domestik STRATEGI PERUSAHAN, STRUKTUR DAN PERSAINGAN FAKTOR KONDISI KONDISI PERMINTAAN PASAR INDUSTRI PENDUKUNG DAN INDUSTRI TERKAIT Gambar 1 Model berlian Porter (Porter 1990) 10 a. Faktor Kondisi Faktor-faktor kondisi yang sangat diperlukan dalam menciptakan keunggulan daya saing industri berupa sumberdaya manusia, infrastruktur, dan permodalan. - Sumberdaya manusia, dengan berbagai indikator seperti kuantitas, kualitas, dan ketersediaan. - Infrastruktur, dengan indikator berupa ketersediaan sarana transportasi, sarana komunikasi, dan unit-unit pelayanan teknis. - Permodalan, indikatornya adalah sumber permodalan. b. Kondisi Permintaan Porter berpendapat bahwa pengalaman pasar domestik adalah elemen yang penting untuk persaingan produksi. Perusahaan yang berhadapan dengan pasar domestik diharapkan menawarkan kualitas produk yang tinggi dan lebih memenuhi kebutuhan dan keinginan konsumennya. c. Industri Terkait dan Industri Pendukung Porter juga berpendapat bahwa hubungan relasi yang kuat dan industri pendukung sangat penting dalam persaingan di suatu perusahaan. Disini termasuk pemasok dan industri terkait. d. Strategi Perusahaan dan Persaingan Pasar Berbagai aspek yang mempengaruhi cara mengorganisasi dan mengelola perusahaan diantaranya adalah perilaku kewenangan, kemampuan bahasa, nilai interaksi antar personil, norma sosial, serta standar profesional. Pengaruh yang paling kuat terhadap keunggulan daya saing justru berasal dari persaingan domestik di dalam suatu industri. 2.2 Data, Informasi dan Pengetahuan Berbagai literatur menjelaskan definisi pengetahuan dan membedakannya dari data dan informasi. Davenport (1998) menjelaskan data sebagai himpunan diskret, kenyataan obyektif mengenai berbagai peristiwa atau kejadian. Dalam konteks organisasi data lebih digambarkan sebagai catatan terstruktur dari berbagai transaksi. Sedangkan informasi diartikan sebagai data yang dapat 11 menjadi berbeda. Informasi dapat mengubah penerima informasi dalam memandang sesuatu. Istilah menginformasikan dapat diartikan sebagai memberi bentuk. Davenport (1998) mendefinisikan pengetahuan sebagai campuran cair dari pengalaman, nilai, informasi kontekstual, pandangan pakar dan intuisi yang menyediakan lingkungan dan kerangka untuk mengevaluasi dan menggabungkan pengalaman baru dan informasi. Berdasarkan definisi ini, pengetahuan adalah campuran dari berbagai elemen yang lebih bersifat cair daripada terstuktur secara formal. Pengetahuan diturunkan dari informasi, sebagaimana halnya informasi diturunkan dari data. Data tersimpan dalam catatan atau transaksi, informasi dalam pesan, dan pengetahuan dalam individu atau grup orang-orang yang mengetahui atau kadang-kadang dalam rutinitas organisasi. Pengetahuan dapat disampaikan dalam media yang terstuktur seperti buku dan dokumen, dan juga kontak antar orang dalam bentuk percakapan atau magang. Turban (2005) mendefinisikan data sebagai kumpulan fakta, pengukuran, dan statistik, sedangkan informasi adalah data yang diorganisasi atau diproses tepat waktu (kesimpulan dari data ditarik dalam batasan waktu yang dapat diterapkan) dan akurat (mengenai data asli). Pengetahuan adalah informasi yang kontekstual, relevan dan dapat dilakukan. Pengetahuan memiliki pengalaman dan reflektif yang kuat yang membuat ia berbeda dari informasi dalam sebuah konteks yang telah ditentukan. Memiliki pengetahuan menyiratkan bahwa ia dapat dipakai untuk memecahkan masalah, sedangkan memiliki informasi tidak memberikan arti tambahan yang sama. Kemampuan untuk bertindak adalah bagian integral dari memiliki banyak pengetahuan. Perbedaan kemampuan tersebut berkaitan dengan perbedaan pengalaman, pelatihan, perspektif dan faktor lainnya (Turban, 2005). Hubungan antara data, informasi dan pengetahuan tersajikan pada Gambar 2. 12 Processed INFORMATION Relevant and actionable DATA KNOWLEDGE Relevant and actionable Gambar 2 Keterkaitan data, informasi dan pengetahuan (Turban 2005) Sanchez (2004) juga menjelaskan perbedaan data, informasi dan pengetahuan. Data adalah pengamatan mengenai kejadian-kejadian atau entiti, yang dapat meliputi deskripsi kualitatif maupun pengukuran kuantitatif. Karena data hanyalah pengamatan, ia tidak dapat banyak memberikan arti sampai dengan data tersebut diinterpretasikan dengan berbagai cara. Informasi diturunkan dari perbandingan data sepanjang waktu atau lintas situasi. Sedangkan pengetahuan adalah kumpulan kepercayaan atau keyakinan dari seseorang tentang hubungan sebab akibat dari lingkungannya. Selanjutnya Sanchez (2004) menjelaskan tiga bentuk dari pengetahuan yaitu know-how, know-why dan know-what. Know-how merupakan pengetahuan praktis yang dapat memungkinkan seseorang untuk mempertahankan sistem atau proses yang telah ada dalam urutan kerja yang baik. Know-why merupakan pengetahuan teoritis yang memungkinkan seseorang untuk merancang sistem atau proses baru. Sedangkan know-what merupakan pengetahuan strategik dari tujuan dimana know-how dan know-why yang tersedia dapat diaplikasikan. Menurut Polanyi (1958) dalam Turban (2005) pengetahuan dapat pula dibagi dua yaitu pengetahuan eksplisit (explicit knowledge) dan pengetahuan tersembunyi (tacit knowledge). Pengetahuan eksplisit adalah kebijakan, petunjuk prosedural, laporan resmi, laporan, desain produk, strategi, tujuan, misi dan kemampuan inti dari perusahaan dan teknologi informasi insfrastruktur. Ia adalah pengetahuan yang telah dikodifikasi (terdokumentasikan) dalam format yang 13 dapat dibagikan kepada orang lain atau ditransformasi ke dalam suatu proses tanpa menuntut interaksi antar pribadi. Sedangkan pengetahuan tersembunyi merupakan penyimpanan kumulatif dari pengalaman, peta mental, pengertian yang mendalam (insight) ketajaman, keahlian, know-how, rahasia perdaganga, kumpulan ketrampilan, pemahaman dan pembelajaran yang dimiliki organisasi, juga budaya organisasi yang telah melekat di masa lalu. Sebagai contoh penjelasan bagaimana cara mengendari sebuah sepeda sulit didokumentasi secara eksplisit, dan karena itu tersembunyi (Turban, 2005). Nonaka (1995) juga menjelaskan perbedaan antara pengetahuan tersembunyi dan pengetahuan explisit. Pengetahuan tersembunyi dapat berupa keahlian atau ketrampilan gerakan tubuh, persepsi individu, pengalaman psikis, perilaku tertentu yang senantiasa dikerjakan (rules of thumb) dan intuisi. Pengetahuan tersembunyi ini tidak dapat dengan mudah dibagikan. Sebagai contoh adalah seorang ahli pembuat roti yang dengan pengalaman bertahun-tahun memiliki keahlian luar biasa dalam membuat roti yang sangat lezat. Tetapi seringkali dia sendiri sulit untuk menerangkan secara spesifik ilmu atau teknik yang dimilikinya. Sedangkan pengetahuan eksplisit merupakan pengetahuan yang dapat dengan mudah dituliskan dalam kertas, dinyatakan dalam kalimat serta rumus-rumus, atau dilukiskan dengan gambar serta mudah dibagikan. Melalui proses transformasi pengetahuan misalnya dengan mempelajari pengetahuan tersembunyi yang dimiliki seseorang secara berulang-ulang maka tersembunyi tersebut dapat berubah menjadi eksplisit, misalnya berupa sebuah produk yang spesifik, mesin pembuat roti. Zack (1999) menyatakan pengetahuan sebagai salah satu sumber daya tak berwujud merupakan sumber daya yang paling strategis dan bernilai. Nonaka (1995) juga menekankan tentang pentingnya pengetahuan dengan mengatakan perusahaan yang sukses adalah mereka yang secara konsisten menciptakan pengetahuan baru, menyebarkannya secara luas dalam organisasi, dan secara cepat mengubahnya menjadi berbagai teknologi dan produk baru. Zack (1999) menjelaskan mengapa pengetahuan dapat keunggulan menjadi berkelanjutan, sebagai berikut : membuat 14 1. Pengetahuan, terutama yang bersifat tersembunyi (tacit) dan melekat pada rutinitas kompeksitas organisasi dan dikembangkan melalui pengalaman, cenderung menjadi unik dan sulit ditiru. Tidak seperti banyak sumber daya tradisional lainnya, hal ini tidak begitu mudah dapat dibeli di pasar dalam bentuk yang sudah siap digunakan. Untuk memperoleh pengetahuan yang sama, pesaing harus memiliki pengalaman yang sama. 2. Semakin perusahaan mengetahui, semakin banyak pula perusahaan akan belajar. Kesempatan belajar yang dimiliki organisasi yang telah memiliki keunggulan pengetahuan lebih bernilai dibandingkan dengan organisasi lain yang memiliki kesempatan belajar yang sama tetapi dimulai dengan kurang pengetahuan. 3. Suatu organisasi yang telah mengetahui tentang sesuatu yang unik membutuhkan pengetahuan baru, menyediakan kesempatan untuk sinergi pengetahuan yang tidak tersedia bagi pesaingnya. Pengetahuan baru yang terintegrasi dengan pengetahuan yang telah ada dapat berkembang menjadi pandangan yang unik dan pengetahuan yang lebih berharga. 4. Tidak seperti barang-barang fisik tradisional yang bila dikonsumsi akan menyebabkan pengembalian yang menurun sepanjang waktu, pengetahuan bila digunakan justru akan memberikan pengembalian yang menaik. 2.3 Strategi Pengetahuan Zack (1999) menjelaskan adanya hubungan antara pengetahuan dan strategi bisnis melalui konsep strategi pengetahuan. Strategi pengetahuan lebih kepada penyelerasan pengetahuan dengan strategi bisnis. Model strategi pengetahuan dari Zack (1999) disajikan pada Gambar 3. 15 Apa yang perusahaan harus ketahui Apa yang perusahaan harus lakukan Kesenjangan pengetahuan Kesenjangan strategi Apa yang perusahaan telah ketahui Apa yang perusahaan dapat lakukan Gambar 3 Model strategi pengetahuan (Zack 1999) Zack (1999) menyatakan esensi strategi pengetahuan adalah penyeimbangan sumber daya berbasis pengetahuan dan kapabilitas dengan pengetahuan yang dibutuhkan untuk menyediakan produk dan jasa dengan cara yang lebih baik dibandingkan pesaingnya. Perusahaan harus mengidentifikasi sumber berbasis pengetahuan mana dan kepabilitas yang bernilai, unik dan tidak mudah ditiru sehingga dapat mendukung produk dan posisi pasar perusahaan. Setelah pengetahuan dapat diketahui pengetahuan mana yang harus dikelola dan dikembangkan, maka strategi pengetahuan dapat dilanjutkan dengan aktivitas manajemen pengetahuan. 2.4 Manajemen Pengetahuan Proses pengelolaan pengetahuan dalam organisasi terkait dengan suatu disiplin ilmu yang dikenal dengan nama manajemen pengetahuan (knowledge management). Tidak ada definisi yang baku mengenai apa itu manajemen pengetahuan karena begitu luasnya pengertian dari pengetahuan. Suatu definisi menyebutkan bahwa manajemen pengetahuan adalah proses mendapatkan, transformasi, dan penyebaran pengetahuan secara menyeluruh di dalam organisasi 16 sehingga pengetahuan tersebut dapat dibagikan dan digunakan (Turban, 2001). Tiwana (2000) mendefinisikan manajemen pengetahuan sebagai pengelolaan dari pengetahuan organisasi untuk menciptakan nilai bisnis dan membangkitkan keunggulan bersaing. Manajemen pengetahuan memungkinkan terjadinya kreasi, komunikasi dan aplikasi dari pengetahuan dari berbagai bentuk untuk mencapai tujuan-tujuan bisnis. Beberapa literatur seperti Tuomi (2002) dan McElroy (2002) membagi perkembangan manajemen pengetahuan atas generasi pertama dan generasi kedua. Generasi pertama yang dimulai pada tahun 1980-an menekankan manajemen pengetahuan pada penggunaan sistem informasi dan teknologi komputer sehingga disebut sebagai manajemen pengetahuan berbasis teknologi informasi (IT based KM). Banyak inisiatif difokuskan pada penemuan paket perangkat lunak yang dapat memungkinkan manajemen pengetahuan dapat terjadi. Permasalahan utama adalah pada penyimpanan dan saling-bagi pengetahuan. Salah satu teknologi manajemen pengetahuan yang banyak digunakan adalah sistem pakar sebagai solusi dari permasalahan saat itu yaitu pengecilan organisasi (organizational downsizing), pengunduran diri para pakar, dan kehilangan kompetensi kunci (Feigenbaum, McCorduck dan Nii 1988) seperti diacu dalam Tuomi (2002). Generasi kedua yang dimulai sekitar tahun 1995 mulai memindahkan fokus manajemen pengetahuan pada pengembangan organisasi, manajemen modal intelektual dan manajemen kompetensi (Tuomi 2002). Generasi kedua ini fokus pada kapasitas organisasi untuk memproduksi pengetahuan, daripada hanya penangkapan dan distribusi pengetahuan (McElroy 2002). Hal ini dikarenakan ITbased KM tidak dapat secara cukup mendukung inovasi karena ketidakmampuannya untuk mengeksploitasi pengetahuan tacit. Pengetahuan tacit dipercaya sebagai pendorong utama dari proses inovasi. Nonaka dan Takeuchi (1995) menggambarkan konsep manajemen pengetahuan dalam suatu istilah yang dinamakan kreasi pengetahuan. Pengetahuan agar bisa lebih hidup dan dapat lebih bermanfaat harus melewati fase pengubahan atau konversi yang dikenal sebagai model SECI (Socialization, Externalization, Combination, Internalization) antara pengetahuan tersembunyi dan pengetahuan eksplisit seperti terlihat pada Gambar 4. 17 Dialogue Socialization Tacit  Tacit • Externalization Tacit  Explicit • Process capture tools • Traceability Face-to-face Communications • Video Conferencing Tools • • I • Web cams Reflective Peer-to-Peer networks • Virtual Reality Tools G I I I I I I nternalization Explicit  Tacit • Combination Explicit  Explicit • Collective Knowledge Networks • Expert Systems • • Notes Data/ Org Memory • Pattern Recognition • Collaborative Computing Tools Discussion Lists, Web Forums • Neural Networks C Systemic Knowledge Tools G I G Best Practice Databases G C Learning by doing Ket : I=Individu, G=Group, C=Company Gambar 4 Model Socialization, Externalization, Combination, Internalization (Tiwana 2000) Turban (2005) menjelaskan sosialisasi mengacu pada konversi pengetahuan tersembunyi kepada pengetahuan tersembunyi yang baru melalui interaksi sosial dan pengalaman bersama antar anggota organisasi (misal penasihat). Eksternalisasi mengacu pada mengubah pengetahuan tersembunyi kepada pengetahuan eksplisit baru (misal memproduksi suatu dokumen tertulis yang menggambarkan prosedur yang digunakan untuk masalah tertentu). Kombinasi mengacu penciptaan pengetahuan eksplisit baru dengan menggabungkan, menggolongkan, dan menyatukan pengetahuan eksplisit yang sudah ada (misal analisis statistik terhadap data pasar). Internalisasi mengacu pada penciptaan pengetahuan tersembunyi baru dari pengetahuan eksplisit (misal mendapatkan pemahaman awal dengan membaca suatu dokumen). 18 Manajemen pengetahuan diawali oleh adanya kreasi pengetahuan dimana pengetahuan tersebut dapat berupa tacit atau eksplisit. Kreasi pengetahuan itu sendiri dimulai oleh individu. Membuat pengetahuan individu tersebut dapat digunakan oleh orang lain merupakan aktivitas utama dari sebuah organisasi yang menerapkan manajemen pengetahuan. Hal ini harus dilakukan secara terus menerus dan pada semua tingkat organisasi. Turban (2001) menyebutkan bahwa manajemen pengetahuan dirancang untuk mengelola kreasi pengetahuan melalui proses learning; penangkapan pengetahuan; pembagian pengetahuan dan komunikasi melalui kerja sama; akses pengetahuan; penggunaan pengetahuan; dan penyimpanan pengetahuan. Turban (2001) juga menggambarkan manajemen pengetahuan sebagai suatu siklus seperti disajikan dalam Gambar 5. Siklus di atas diawali oleh adanya kreasi pengetahuan. Kreasi tersebut dihasilkan oleh orang-orang dalam organisasi misalnya cara baru dalam melakukan sesuatu atau mengembangkan know-how. Kadang-kadang pengetahuan dari luar juga masuk. Berikutnya pengetahuan tersebut harus ditangkap misalnya pengubahan pengetahuan tacit yang didapatkan oleh seseorang dari suatu pelatihan, kepada pengetahuan eksplisit seperti laporan tertulis. Langkah berikutnya adalah menyaring pengetahuan tersebut dan menempatkannya menjadi sesuatu yang dapat ditindaklanjuti. Menangkap pengetahuan Mengkreasi pengetahuan Menyaring pengetahuan Menyimpan pengetahuan Menyebarkan pengetahuan Mengelola pengetahuan Gambar 5 Siklus manajemen pengetahuan (Turban 2001) 19 Pengetahuan yang berguna ini kemudian disimpan dalam suatu wadah sehingga anggota organisasi lainnya memiliki akses kepada pengetahuan tersebut. Seperti halnya perpustakaan yang harus dikelola agar buku-bukunya selalu baru dan up to date, maka pengetahuan juga harus dikelola dan dievaluasi agar tetap relevan dan akurat. Langkah terakhir dari siklus tersebut adalah pengetahuan harus tersedia dalam suatu format yang berguna bagi siapapun di dalam organisasi yang membutuhkan dimanapun dan kapanpun. 2.5. Strategi Pengetahuan dan Strategi Manajemen Pengetahuan Zack (2001) yang diacu dalam Snyman (2004) membuat perbedaan antara strategi pengetahuan dengan strategi manajemen pengetahuan. Strategi pengetahuan memberikan pengertian strategi berbasis pengetahuan, yaitu strategi bersaing yang didasarkan pada modal intelektual dan kapabilitas yang dimiliki perusahaan. Pada saat perusahaan telah mengidentifikasi peluang, ancaman, kekuatan dan kelemahan yang terkait dengan sumber daya intelektual dan kapabilitas, maka tindakan harus dilakukan untuk mengelola kesenjangan atau kelebihan yang terjadi (seperti dengan cara merekrut keahlian tertentu, membangun sistem penyimpangan dokumen on line, membangun komunitasi praktisi, mengakuisisi perusahaan, lisensi teknologi, dan sebagainya). Strategi pengetahuan berorientasi pada apa pengetahuan yang bersifat strategik dan kenapa. Strategi manajemen pengetahuan bertujuan untuk memandu dan mendefinisikan proses dan infrastuktur untuk mengelola pengetahuan. Turban (2005) menjelaskan terdapat dua pendekatan atau strategi dalam manajemen pengetahuan yaitu pendekatan proses (kodifikasi) dan pendekatan praktek (personalisasi), Pendekatan proses berusaha melakukan kodifikasi pengetahuan organisasional melalui kendali formal dan teknologi seperti intranet, data warehousing, repositori pengetahuan, peranti pendukung keputusan dan groupware. Pendekatan ini disebut juga strategi manajemen pengetahuan teknologikal (Nicolas 2004). Sedangkan pendekatan praktek berasumsi bahwa banyak pengetahuan organisasional bersifat tersembunyi dan kontrol formal, proses dan teknologi tidak cocok untuk mentransmisi jenis pemahaman ini. Pendekatan ini dilakukan kebanyakan melalui kontak pribadi ke pribadi. 20 Nicolas (2004) menambahkan terdapat satu pendekatan atau strategi manajemen pengetahuan yaitu sosialisasi. Strategi ini menggabungkan kedua strategi sebelumnya yaitu teknologikal dan personalisasi. Sosialisasi didisain agar pengetahuan dapat saling dipertukarkan melalui interaksi satu sama lain dalam suatu komunitas pengetahuan atau kelompok orang yang bergerak dalam pengetahuan yang sama serta juga mengumpulkan pengetahuan. Hasil penelitian Nicolas (2004) menunjukkan bahwa strategi sosialisasi semakin banyak digunakan seperti dapat dilihat pada Tabel 2. Tabel 2 Persentase penggunaan strategi manajemen pengetahuan Strategi Manajemen Pengetahuan 1998 Teknologi (Kodifikasi) 92 % 86 % 53 % 6% 8% 12 % 12 % 26 % 55 % Personalisasi Sosialisasi 2000 2002 Sumber : Nicolas (2004) Tiwana (2000) memberikan beberapa penjelasan untuk memilih strategi manajemen pengetahuan. Kodifikasi dapat dilakukan pada perusahaan yang menghasilkan produk yang berkualitas tinggi, andal dan cepat. Harga menjadi dasar kompetisi, marjin keuntungan rendah dan teknologi informasi seperti penyimpanan pengetahuan yang dapat digunakan kembali menjadi alat yang paling memungkinkan terjadinya hubungan antar orang untuk bertukar pengetahuan eksplisit. Personalisasi dapat dilakukan pada perusahaan yang menuntut kreativitas produk dan disain produk yang tergantung pada pesanan. Marjin keuntungan tinggi, penyimpanan dan pengambilan pengetahuan tidak menjadi prioritas, dan lebih menggunakan teknologi seperti e-mail dan konferensi via video untuk saling bertukar pengetahuan terutama pengetahuan yang tersembunyi. 2.6. Pendekatan Sistem Pendekatan sistem adalah suatu pendekatan analisa organisatoris yang menggunakan ciri-ciri sistem sebagai titik tolak analisa. Pendekatan ini 21 merupakan cara penyelesaian masalah yang dimulai dengan dilakukannya identifikasi terhadap adanya sejumlah kebutuhan-kebutuhan sehingga sehingga dapat menghasilkan suatu operasi dari sistem yang dianggap efektif (Marimin 2005). Secara definitif sistem adalah suatu gugus dari elemen yang saling berhubungan dan terorganisasi untuk mencapai suatu tujuan atau suatu gugus dari tujuan-tujuan (Manetsch dan Park 1979 yang diacu dalam Eriyatno 1999). Terdapat dua hal umum yang menandai pendekatan sistem, yaitu 1) dalami semua faktor penting yang ada di dalam sistem untuk memperoleh solusi yang baik dalam menyelesaikan masalah dan 2) dibuat suatu model kuantitatif untuk membantu keputusan secara rasional. Untuk dapat bekerja secara sempurna, suatu pendekatan sistem mempunyai delapan unsur yang meliputi : metodologi untuk perencanaan dan pengelolaan suatu tim yang multidispliner, perorganisasian, disiplin untuk bidang yang non kuantitatif, teknik model matematik, teknik simulasi, teknik optimasi dan aplikasi komputer. Tidak semua substansi perlu diselesaikan dengan pendekatan sistem. Permasalahan sederhana yang tidak melibatkan banyak elemen cukup dikaji melalui pendekatan suatu disiplin ilmu saja. Persyaratan suatu substansi yang dikaji melalui pendekatan sistem menurut Eriyatno (1999) adalah : 1) kompleks, yang menggambarkan interaksi antar elemen cukup rumit, 2) dinamis, dalam arti ada faktornya ada yang berubah menurut waktu dan ada pendugaan ke masa depan, 3) probabilistik, yakni diperlukan suatu fungsi peluang didalam inferensi kesimpulan maupun rekomendasi. Penyelesaian suatu persoalan melalui pendekatan sistem terdiri atas beberapa tahap proses. Tahapan tersebut meliputi analisa, rekayasa model, implementasi rancangan serta implementasi dan opersi sistem. Metodologi sistem pada prinsipnya terdiri atas enam tahap analisa, yakni : analisa kebutuhan, identifikasi sistem, formulasi masalah, pembentukan alternatif sistem, determinasi dari realisasi fisik, sosial dan politik, dan penentuan kelayakan ekonomi dan keuangan (finansial). Keenam langkah tersebut dilakukan dalam satu kesatuan kerja yang dikenal sebagai analisis sistem. 22 2.7. Sistem Pendukung Keputusan dan Sistem Pakar Sistem Pendukung Keputusan (SPK) didefinisikan sebagai sistem berbasis komputer interaktif yang membantu para pengambil keputusan untuk menggunakan data dan berbagai model untuk memecahkan masalah-masalah tidak terstruktur (Gorry dan Scott Morton, 1971 dalam Turban, 2005). Sedangkan sistem pakar adalah suatu sistem yang menggunakan pengetahuan manusia yang tersimpan pada suatu komputer untuk menyelesaikan suatu masalah yang membutuhkan keahlian pakar (Turban, 2001). Banyak masalah tidak terstruktur dan bahkan semi terstruktur yang sangat kompleks sehingga solusinya memerlukan keahlian yang dapat diberikan oleh suatu sistem pakar. Oleh karena itu makin banyak SPK canggih yang dilengkapi dengan satu komponen yang disebut sub sistem manajemen berbasis pengetahuan. Komponen ini dapat menyediakan keahlian yang diperlukan untuk memecahkan beberapa aspek masalah dan memberikan pengetahuan yang dapat meningkatkan operasi komponen SPK yang lain (Turban, 2001). Data Model Pengetahuan Sistem Manajemen Data Sistem Manajemen Basis Model Sistem Manajemen Basis Sistim Pengolahan Terpusat Mekanisme I nferensia Pengetahuan ( rule-base Skenario) Sistim Manajemen Dialog SPK SMA Pengguna Gambar 6 Konfigurasi model dasar sistem manajemen ahli (Turban, 1988) Integrasi sistem pakar dengan SPK dapat berupa memasukkan sistem pakar ke dalam komponen-komponen SPK atau dengan membuat sistem pakar 23 sebagai komponen yang terpisah dari SPK. Nama lain untuk integrasi sistem pakar dengan SPK adalah SPK intelejen dan Sistem Pendukung Ahli (Turban, 2001). Tujuan perancangan sistem pakar menurut Marimin (2005) adalah untuk mempermudah kerja atau bahkan mengganti tenaga ahli, penggabungan ilmu dan pengalaman dari beberapa tenaga ahli, training tenaga ahli baru, penyediaan keahlian yang diperlukan dalam suatu proyek yang tidak ada atau tidak mampu membayar tenaga ahli. Pada prinsipnya sistem pakar tersusun dari beberapa komponen yang mencakup (Marimin, 2005) : 1. Fasilitas akuisisi pengetahuan 2. Sistem berbasis pengetahuan (knowledge based system) 3. Mesin inferensi (inference engine) 4. Fasilitas untuk penjelasan dan justifikasi, dan 5. Penghubung antara pengguna dan sistem pakar (user interface) Fasilitas akuisisi pengetahuan digunakan sebagai alat untuk mengisi atau mendapatkan pengetahuan, fakta, aturan dan model yang diperlukan oleh sistem pakar dari berbagai sumber. Tahap akuisisi pengetahuan merupakan tahap penting, kritis dan sangat menentukan keberhasilan sistem pakar yang akan dikembangkan untuk pemecahan persoalan yang biasanya dapat diselesaikan oleh seorang pakar. Pengetahuan tersebut didapat dari (Marimin 2005) : 1. Akuisisi pengetahuan dari para pakar 2. Pengorganisasian dari beberapa buku, jurnal, data dasar dan media lain (manual teknik, makalah dan sejenis) yang relevan dengan ruang lingkup sistem pakar yang akan dikembangkan. 3. Penyeleksian hasil deduksi dan induksi dari pengetahuan yang sudah tersimpan di dalam suatu sistem pakar ataupun yang berupa pengalaman sendiri. Hal ini dapat dilakukan apabila sistem pakar tersebut mempunyai sistem berbasis pengetahuan yang dinamis dan lagipula pengguna sistem tersebut adalah seorang pakar. 24 Dalam pembentukan sistem pakar diperlukan beberapa pakar di bidang yang diperlukan dan perekayasaan sistem / knowledge engineers sebagai perancang sistem pakar. Ada beberapa persyaratan yang harus dipenuhi dalam pemilihan pakar. Pakar yang dilibatkan dapat dibagi dalam empat kelompok, yaitu (Marimin 2005) : 1. Pakar yang mendapatkan pendidikan formal S2 / S3 pada bidang yang dikaji. 2. Pakar yang berpengalaman pada bidang yang dikaji, tetapi memiliki pendidikan formal di bidang lain. 3. Pakar yang berpendidikan formal dan berpengalaman pada bidang yang dikaji. 4. Pakar yang berasal dari praktisi di dalam kehidupan sehari-hari (kaya akan pengalaman empiris di suatu sector kegiatan tertentu). Klasifikasi ini lebih didasarkan pada lama kerja dan kewewenangan (dapat terdidik secara formal atau otodidak) di suatu posisi kegiatan teknik tertentu. Tahap pembentukan sistem pakar dimulai dengan tahap identifikasi masalah seperti ditunjukkan pada Gambar 7. Tahapan tersebut disusun oleh tiga unsur utama sistem yaitu basis pengetahuan, motor inferensi dan penerapannya. Basis pengetahuan merupakan bagian yang memuat obyek-obyek pengetahuan serta hubungan yang dimiliki antar obyek-obyek tersebut. Basis pengetahuan merupakan sumber kecerdasan sistem dan hal ini dimanfaatkan oleh mekanisme inferensi untuk mengambil kesimpulan. Basis pengetahuan dapat dilakukan dengan cara jaringan semantik, obyek-atribut-nilai, frame atau kaidah produksi, dan representasi fuzzy. Mesin inferensi merupakan komponen sistem pakar yang memanipulasi dan mengarahkan pengetahuan dari basis pengetahuan sehingga tercapai kesimpulan. Terdapat dua strategi dalam mesin inferensi yaitu strategi penalaran dan strategi pengendalian (Marimin 2005). 25 Mulai Iderntifikasi Masalah Mencari Sumber Pengetahuan Akuisisi Pengetahuan Representasi Pengetahuan Pengembangan Mesin Inferensi Implementasi Pengujian Mewakili Human Expert ? Tidak Ya Selesai Gambar 7 Tahap pembentukan sistem pakar (Marimin 2005) 2.8. Teknologi Pengolahan Barang Jadi Lateks Pengembangan agroindustri di Indonesia berpeluang besar karena didukung oleh besarnya dan beraneka ragam potensi sumber daya alam yang dimiliki atau yang lebih dikenal dengan keunggulan komparatif. Karet merupakan salah satu komoditi yang memilliki potensi besar untuk dikembangkan ke arah agroindustri karena beragam produk yang dapat dihasilkan dari komoditi tersebut. Produk dari lateks ini dapat diolah untuk menghasilkan lateks pekat, lembaran karet (sheet), atau karet remah (crumb rubber) yang merupakan bahan baku industri karet yang selanjutnya dapat diolah menjadi berbagai produk turunannya seperti ban, komponen, sarung tangan dan sebagainya. 26 Suparto dan Syamsu (2008) menjelaskan bahwa industri barang jadi lateks pada umumnya tidak memerlukan teknologi yang canggih, sehingga mudah dikembangkan di negara penghasil lateks pekat. Barang jadi lateks dapat dibuat menggunakan berbagai teknologi proses diantaranya proses celup (kondom, sarung tangan), ekstrusi (benang karet, kateter), pembusaan (kasur busa), pelapisan (kertas berlapis karet, kain berkaret) dan pengolesan atau perekatan (adhesive). Beberapa jenis barang jadi lateks seperti sarung tangan rumah tangga dan keperluan industri, balon, busa, karet gelang, topeng dan produk tuang cetak (casting) serta perekat dapat diproduksi oleh industri rumah tangga (home industry). Secara umum berbagai produk olahan karet dapat dilihat pada Gambar 8. Lateks Pekat Lateks Dadih Lateks Ribbed Smoked Sheets (RSS) Karet busa Sarung tangan medis Karet untuk peralatan medis Sarung tangan untuk industri Sarung tangan untuk rumah tangga Kondom Benang Karet Balon dll Pale Crepes Pohon Karet Hevea SIR 3 CV, SIR 3L, SIR 3WF SIR 10, SIR 20 Koagulum Lapangan Thin Brown Crepes (Remills) Ban dan ban dalam Alas kaki Komponen karet untuk otomotif Komponen karet untuk barang elektronik Produk karet untuk industri Selang dan pipa karet Karet Penggunaan umum Estate Brown Crepes (Compo) Thick Blanket Crepes (Ambers) Flat Bark Crepes Gambar 8. Pohon industri karet (Haris, 2006) Lateks kebun adalah getah pohon karet yang diperoleh dari pohon karet (Hevea brasiliensis M.), berwarna putih dan berbau segar. Umumnya lateks kebun hasil penyadapan mempunyai kadar karet kering (KKK) antara 20-35%, serta 27 bersifat kurang mantap sehingga harus segera diolah secepat mungkin. Cara penyadapan dan penanganan lateks kebun sangat berpengaruh kepada sifat bekuan sekaligus tingkat kebersihannya. Komposisi kimia dari lateks adalah karet 3035%, resin 0,5-1,5%, protein 1,5-2 %, abu 0,3 -0,7%, gula 0,3-0,5% dan air 5560% (BPTK, 2002). Dalam BPTK (2002) dijelaskan bahwa proses pembuatan barang jadi dari lateks secara garis besar terdiri dari penyiapan bahan baku lateks pekat, penyiapan dispersi dan larutan bahan kimia kompon, penyediaan kompon, pembentukan barang jadi melalui metode tertentu dan vulkanisasi pada suhu tertentu. Produk barang jadi karet pada umumnya mempunyai sifat-sifat tertentu yang diutamakan. Oleh sebab itu susunan kompon lateks disesuaikan dengan jenis produk yang akan dihasilkan sifat yang diutamakan. Kompon lateks adalah campuran antara lateks dengan berbagai bahan kimia untuk memperoleh hasil akhir suatu vulkanisat dengan proses tertentu. Bahan kimia kompon yang secara umum terdiri dari bahan pemvulkanisasi, pengaktif, pencepat, antioksidan, pengisi, pewarna dan sebagainya. Formula kompon lateks disusun berdasarkan pada 100 bobot karet kering (psk) yang terdapat dalam lateks pekat. Produk karet pada umumnya mempunyai sifat tertentu yang diutamakan, oleh sebab itu formula kompon lateks pada umumnya disesuaikan dengan jenis produk yang akan dihasilkan. Bahan kimia yang telah disediakan dicampurkan dengan lateks secara perlahan sambil dilakukan pengadukan hingga homogen, kemudian diperam sebelum diproses lebih lanjut. Proses pembentukan barang jadi dapat dilakukan dengan metode pembusaan, pencelupan dan pencetakan (BPTK 2002). a. Metode Pembusaan Pembusaan lateks umumnya dilakukan dengan pengocokan kompon yang telah ditambahi bahan pembusa. Bahan pembusa yang digunakan secara umum berupa sabun, seperti ammonium atau kalium oleat. Campuran kompon dengan bahan pembusa diaduk lebih dahulu agar homogen. Campuran yang telah homogen tersebut dikocok dalam waktu dan kecepatan pengocok tertentu hingga dicapai expansi volume kompon yang dikehendaki, disebut busa kompon lateks. Koagualan ditambahkan ke 28 dalam busa kompon lateks tersebut sambil diaduk agar homogen, dilanjutkan dengan penuangan ke dalam cetakan dan dibiarkan. Busa kompon lateks yang telah stabil divulkanisasi dengan menggunakan uap air pada suhu sekitar 90 C. Karet busa yang terbentuk dicuci hingga bersih dan dikeringkan di dalam oven pada suhu 70-100o C hingga diperoleh karet busa yang siap dimanfaatkan. b. Metode Pencelupan Pembentukan barang jadi karet dari lateks dapat pula dilakukan dengan pencelupan. Barang jadi karet dari lateks yang diproses dengan metode pencelupan antara lain sarung tangan, balon dan sebagainya. Kompon lateks yang telah siap diproses menjadi barang jadi karet dituangkan ke dalam tangki pencelupan. Proses pencelupan yang umum dilakukan adalah pencelupan sederhana, proses pencelupan anoda dan proses Teague (US Rubber). Proses pencelupan sederhana dilakukan dengan cara mencelupkan cetakan ke dalam kompon kemudian dikering anginkan kemudian divulkanisasikan dalam oven pada suhu dan waktu tertentu. Proses ini biasanya digunakan untuk menghasilkan produk yang tipis seperti kondom. Proses pencelupan anoda dilakukan dengan cara mencelupkan cetakan ke dalam koagulan terlebih dahulu kemudian cetakan berlapis koagulan tersebut dicelupkan ke dalam kompon lateks. Cetakan berlapis deposit kompon lateks dikering anginkan dan divulkanisasikan pada suhu dan waktu tertentu. Proses ini dilakukan untuk menghasilkan produk yang relatif tebal seperti bladder untuk spygmo-manometer. Proses Teague dilakukan dengan mencelupkan cetakan ke dalam kompon lateks kemudian cetakan yang berlapis kompon lateks dicelupkan ke dalam koagulan. Cetakan berlapis deposit lateks dikering anginkan kemudian divulkanisasikan pada suhu dan waktu tertentu. c. Metode Pencetakan Pencetakan barangjadi dari lateks umumnya digunakan untuk memperoleh barang jadi berongga seperti boneka berongga dan sebagainya. Cetaka yang digunakan untuk keperluan tersebut berupa pasangan atas dan bawah, 29 sehingga dapat ditutup rapat. Kompon lateks yang telah siap digunakan dimasukkan ke dalam cetakan, kemudian cetakan berisi kompon diputar mengikuti beberapa arah sumbu putaran sambil dipanaskan. Cetakan didinginkan, kemudian deposit di bagian dalam dikeluarkan dan divulkanisasikan pada suhu dan waktu tertentu. Barangjadi masif dapat pula dibuat dengan menuangkan kompon lateks ke dalam cetakan dan mengeringkannya pada suhu rendah. Deposit kering dikeluarkan dari cetakan dan divulkanisasikan pada waktu dan suhu tertentu. 2.9. Logika Fuzzy Dalam suatu sistem yang paling rumit dimana hanya tersedia sedikit data numerik dan mungkin hanya terdapat informasi yang bersifat tidak jelas / ambigu, logika fuzzy menyediakan cara untuk memahami perilaku sistem dengan mengijinkan kita untuk menyisipkan perkiraan antara masukan/input dan keluaran/output. Terdapat beberapa alasan mengapa logika fuzzy digunakan orang yaitu : (Kusumadewi, 2002) 1. Konsep logika fuzzy mudah dimengerti. 2. Logika fuzzy sangat fleksibel. 3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. 4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks 5. Logika fuzzy mampu membangun dan mengaplikasikan pengalamanpengalaman para pakar secara langsung tanpa harus melalui proses pelatihan 6. Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional 7. Logika fuzzy didasarkan pada bahasa alami Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi karakteristik sedemikian sehingga fungsi tersebut akan mencangkup bilangan real pada interval [0,1]. Nilai keanggotaannya menunjukkan bahwa nilai kebenaran suatu pernyataan dalam semesta pembicaraan tidak hanya berada pada 0 atau 1, namun juga nilai yang terletak diantaranya. Dengan kata lain, nilai kebenaran suatu pernyataan tidak hanya bernilai benar atau salah. Nilai 0 30 menunjukkan salah, nilai 1 menunjukkan benar, dan masih ada nilai-nilai yang terletak antara benar dan salah. (Kusumadewi, 2002) Terkadang kemiripan antara keanggotaan fuzzy dengan probabilitas menimbulkan kerancuan. Keduanya memiliki nilai pada interval 0 sampai 1, namun interpretasi nilainya sangat berbeda. Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan probabilitas menunjukkan proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang. Misalnya jika nilai keanggotaan suatu himpunan fuzzy MUDA adalah 0.9 maka tidak perlu dipermasalahkan berapa seringnya nilai itu diulang untuk mengharapkan hasil yang hampir pasti MUDA. Sedangkan nilai probabilitas 0.9 MUDA berarti 10% dari himpunan tersebut diharapkan tidak muda. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy yaitu : 1. Variabel fuzzy Merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh : umur, suhu, permintaan dan sebagainya. 2. Himpunan fuzzy Merupakan suatu grup yang mewakili suatu kondisi tertentu dalam suatu variabel fuzzy. Contoh : variabel umur terbagi menjadi 3 himpunan Fuzzy yaitu muda, parobaya dan tua. 3. Semesta Pembicaraan Keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. 4. Domain Keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titiktitik input data ke dalam nilai keanggotaannya (disebut juga derajat keanggotaan) yang memiliki interval 0 sampai 1. Salah satu jenis fungsi keanggotaan yang umum digunakan adalah representasi kurva segitiga dan trapesium. Kurva segitiga seperti dapat dilihat pada Gambar 9 pada dasarnya merupakan gabungan antara 2 garis linear dengan fungsi keanggotaan seperti : 31 x ≤ a at au x ≥ c 0;  µ[ x ] = ( x - a) / ( b - a) ; a ≤ x ≤ b ( b - x) / ( c - b) ; b ≤ x ≤ c  1 derajat keanggotaan u[x] 0 a c b Gambar 9 Kurva segitiga (Triangular Fuzzy Number) Kurva trapesium pada dasarnya seperti kurva segitiga, hanya saja ada beberapa titik yang mempunyai nilai keanggotaan 1. Fungsi keanggotaannya sebagai berikut : x ≤ a atau x ≥ d a≤x≤b b≤x≤c x≥d 0; (x - a)/(b - a);  µ[ x ] =  1;  (d - x)/(d - c); 1 derajat keanggotaan u[x] 0 a c b d domain Gambar 10 Kurva trapesium (Trapezoidal Fuzzy Number) Fuzzy arithmetic adalah proses aritmatika seperti penjumlahan, perkalian dari 2 atau lebih bilangan Fuzzy. Proses ini pada prinsipnya sama seperti proses aritmatika biasa. Jika A = [a 1, a 2, a 3 ] dan B = [b1, b 2, b 3 ] maka operasi aritmatik pada kedua bilangan Fuzzy dapat dirumuskan sebagai berikut (Cheung et al. 2005; Tesfamariam dan Rehan 2006) : 1. Penjumlahan A ⊕ B = [a 1, a 2, a 3 ] ⊕ [b1, b 2, b3 ] = [a 1 +b 1 , a 2 +b2, a 3 +b3 ] 32 2. Pengurangan A Θ B = [a 1, a 2, a 3 ] Θ [b1, b2, b 3 ] = [a 1 -b3 , a 2 -b2, a 3 -b1 ] 3. Perkalian A ⊗ B = [a 1, a 2, a 3 ] ⊗ [b1, b 2, b3 ] = [a 1 .b1 , a 2 .b2, a 3 .b 3 ] 4. Pembagian A ∅ B = [a 1, a 2, a 3 ] ∅ [b1, b 2, b3 ] = [a 1 /b 3 , a 2 /b 2, a 3 /b1 ] Deffuzifikasi adalah proses mengkonversi angka fuzzy menjadi suatu angka yang pasti (crisp). Chien dan Tsai (2000) memperkenalkan metode defuzzifikasi untuk TFN (a 1 , a 2 , a 3 ) menggunakan rumus sebagai berikut : VA = a1 + 2a2 + a3 4 Sedangkan Fu et al. (2006) dan Kwong (2002) menggunakan pendekatan α-cut dalam defuzzifikasi dari TFN dengan menggunakan rumus sebagai berikut : ~ ∀α ∈ [0,1], Aα = [al α , au α ] = [(a m − al }α + al ,−(au −a m )α + au ] α α a~ij = µaiju + (1 − µ )aijlα , ∀µ ∈ [0,1] Dalam penelitian dapat digunakan nilai derajat kepastian ( α ) = 0.5 dan derajat optimisme ( µ ) = 0.5. Hal ini dilakukan untuk mengantisipasi adanya penilaian yang terlalu berlebihan atau sebaliknya penilaian yang underestimate. Ross TJ (2004) juga menjelaskan beberapa teknik defuzzifikas. Setidaknya ada 7 metode yaitu : 1. Max-membership principle Metode ini juga dikenal sebagai height method. Metode ini sangat sederhana dan cepat dilakukan. Prinsip dari metode ini adalah melihat domain dari nilai puncak fungsi keanggotaan output. Bila c(k) adalah domain puncak dari Fuzzy set dan fk adalah derajat keanggotaan maximum dari Fuzzy set. 33 2. First of Maxima Metode ini menggunakan output dari semua output Fuzzy set untuk menggambarkan nilai terkecil dari domain derajat keanggotaan yang maksimum. 3. Mean-max membership Metode ini mirip dengan first of maxima. Bila first of maxima hanya mengambil domain terkecil dari derajat keanggotaan maksimum maka metode ini justru menghitung rata-rata dari domain yang mempunyai keanggotaan maksimum. 4. Center of area Metode ini juga disebut sebagai metode centroid. Metode ini menggambarkan pusat area dari fungsi keanggotaan. Proses defuzzifikasinya lebih kompleks dan dapat menimbulkan overlapping. Adapun formulasi metode ini adalah sebagai berikut : x* = ∫ µ . ( x).xdx ∫ µ . ( x)dx A A dimana µ A (x) adalah nilai keanggotaan dari Fuzzy set A dan x i adalah nilai dari domain pada level i. 5. Center of sums Metode ini lebih cepat dihitung dibanding metode lainnya. Prinsip dari metode ini adalah melihat daerah irisan dari fungsi keanggotaan yang ada kemudian baru menghitung pusat areanya. Overlapping yang terjadi pada metode centroid tidak terjadi pada metode ini. 6. Center of largest area Jika output dari Fuzzy set mempunyai minimal 2 daerah hasil, maka daerah yang kan kita hitung hasil defuzzifikasinya adalah daerah yang terbesar. Sedangkan untuk proses perhitungan defuzzifikasi menggunakan metode centroid. 7. Weighted average method Metode ini hanya dapat digunakan untuk output fungsi keanggotaan yang bersifat simetris. 34 2.10 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 comparison). Langkah-langkah dalam metode AHP meliput i (Suryadi dan Ali, 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 penilaian 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. 35 Consistency Index (CI) mengukur seberapa besar tingkat kekonsistenan seseorang dalam memberikan penilaian terhadap suatu elemen di dalam masalah. CI = λ max − n n −1 Keterangan : λ 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. CR = CI RC Keterangan : CI : consistency index RC : random consistency Nilai CR harus berada di antara 10 % atau kurang untuk dapat diterima. Pada AHP, 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 1 − 9 . Fuzzy number akan dituliskan dengan tanda diatas angka yang ada. TFN N~ didefinisikan oleh 3 bilangan nyata a ≤ b ≤ c , dan dikarakteristikkan oleh fungsi keanggotaan kontinyu ~ (x) N μ : Penentuan tingkat kepentingan kriteria/alternatif ternormalisasi yang dihasilkan dari perbandingan berpasangan menggunakan TFN dapat dicari dengan langkah-langkah sebagai berikut (Murtaza 2003) 36 • Melakukan perbandingan berpasangan untuk setiap kriteria / alternatif dengan menggunakan skala lingustik atau skala 1-9. Hasil perbandingan berpasangan tersebut kemudian difuzzykan dengan TFN. • Menentukan tingkat kepentingan setiap faktor /kriteria dengan mengalikan tiap-tiap nilai dalam TFN (batas bawah, nilai tengah, batas atas) pada suatu baris, kemudian diambil akar ke-n dari hasil perkalian tersebut, di mana n adalah banyaknya kriteria/alternatif. • Melakukan normalisasi terhadap tingkat kepentingan (weights) dengan aturan :  Nilai bawah dibagi dengan jumlah dari nilai atas.  Nilai atas dibagi dengan jumlah dari nilai bawah  Nilai tengah dibagi dengan jumlah dari nilai tengah semua kriteria/alternatif. Bila semua hirarkhi menggunakan TFN fuzzy AHP, maka proses tersebut diterapkan pada semua hirarkhi. 2.11 Quality Function Deployment (QFD) Stevenson (1996) menjelaskan bahwa quality function deployment (QFD) merupakan pendekatan terstruktur unuk mengintegrasikan “voice of customer” ke dalam proses pengembangan produk., QFD juga dapat diartikan sebagai suatu alat perencanaan yang digunakan untuk memenuhi harapan pelanggan (Besterfiled, 1995). Visualisasi teknik ini digambarkan dalam suatu rumah kualitas seperti pada gambar di bawah ini. Gambar 11 Rumah Kualitas (Stevenson 1996) 37 Keterangan : Customer requirements : Berisi daftar kebutuhan dan keinginan konsumen yang diperoleh dari suara pelanggan melalui wawancara. Pada tahap ini dibutuhkan data mengenai tabel keinginan pelanggan. Dapat terbagi atas primer, sekunder maupun tersier. Design requirements : Berisi bahasa teknis dari perusahaan yang mendeskripsikan mengenai produk atau pelayanan yang direncanakan akan dikembangkan. Biasanya dikembangkan dari keinginan pelanggan. Competitive Assesment : Tingkat kepuasan atau penilaian pelanggan terhadap produk dari perusahaan dan dari pesaing yang sekarang sedang beredar. Relationship matrix : Berisi penilaian dari tim pengembang mengenai tingkat hubungan masing-masing antara keinginan konsumen dengan persyaratan disain Design requirements priorities, specifications or target values Berisi hasil perhitungan berdasarkan tingkat kepentingan konsumen dan matiks hubungan juga berisi mngenai target kemampuan dari persyaratan disain Correlation Matrix Berisi tingkat hubungan dari persyaratan disain Proses QFD memerlukan input data yang bervariasi. Input data ini mempunyai sifat yang kabur dan samar sehingga lebih baik diwakili oleh variabel yang linguistik. Untuk mengimplementasikan QFD yang berbasis data linguistik, proses pemodelan meliputi penggunaan kosep dari variabel linguistik, fuzzy number, fuzzy arithmetic dan defuzzifikasi. Langkah-langkahnya dijelaskan dalam Kwong (2002) sebagai berikut : 1. Inisialisasi (Initialization) Beberapa persoalan dijabarkan pada langkah ini, seperti : memutuskan kegunaan dari penelitian QFD (untuk mendisain produk baru, memperbaiki produk lama ataupun untuk mememangkas biaya), mendefinisikan keuntungan yang diharapkan, menyeleksi produk ataupun jasa yang akan diteliti, membentuk tim QFD. 38 2. Identifikasi data linguistik (Identification of linguistic data) Anggota tim QFD mengumpulkan kebutuhan dan keinginan konsumen (customer requirements) melalui brainstorming, focus groups, survei dan teknik lainnya. Setelah kebutuhan dan keinginan konsumen berhasil diidentifikasikan dan dikembangkan maka konsumen diminta untuk membuat keputusan mengenai tingkat kepentingan dari tiap-tiap cutomer requirements tersebut. Selain itu, tim QFD juga perlu mengidentifikasi mengenai karakteristik teknik yang mendukung customer requirements tersebut. Setelah karakteristik teknik berhasil dibangun, maka langkah selanjutnya adalah mengidentifikasi hubungan antara karakterisitk teknik dengan keinginan konsumen. Perbedaan antara QFD tradisional dengan model ini adalah data diungkapkan dan diwakili dalam bentuk variabel lingistik, bukan angka crisp. Contohnya untuk tingkat kepentingan konsumen yang biasanya menggunakan skala likert dari 1 sampai 5 dimana 1 menunjukkan atribut tersebut sangat tidak penting dan 5 menunjukkan bahwa atribut tersebut sangat penting dan juga untuk hubungan antara karakterisitk teknik dan atribut yang biasanya diidentifasikan dengan tidak ada hubungan, hubungan lemah, sedang dan kuat. Kedua data (yang berupa angka crisp) ini akan diubah menjadi angka fuzzy. 3. Fuzzifikasi data (Fuzzification of input data) Pada langkah ini input data akan diubah menjadi angka fuzzy. Seperti yang sudah dijelaskan, input data yang diubah menjadi angka fuzzy adalah tingkat kepentingan konsumen dan hubungan antara karakteristik teknik dengan keinginan konsumen. Triangular Fuzzy Number (TFN) digunakan dan semua fungsi keanggotaan untuk input data distandarisasi dalam interval [0,1]. 4. Penerapan fuzzy aritmatik (Applying fuzzy arithmetic) Pada langkah ini, fuzzy aritmatik diterapkan untuk menghitung prioritas dari karakteristik teknik. Prioritas ini adalah hasil dari QFD. Prioritas karakteristik teknik ini akan membimbing proses pengambilan keputusan para pengguna 39 QFD, pengalokasian sumber daya dan fase QFD selanjutnya. Penjumlahan dan perkalian fuzzy number akan digunakan untuk menghitung prioritas karakteristik teknik. Untuk mendapatkan prioritas dari tiap karakterisitk teknik, maka langkah yang perlu dilakukan adalah mengalikan kekuatan hubungan (relationship strength) dengan tingkat kepentingan atribut (importance customer) kemudian menjumlahkan semua hubungan hasil perkalian tersebut. Kedua variabel linguistik tersebut dapat kita definisikan sebagai : I = “IMPORTANCE” untuk tingkat kepentingan konsumen C = “CORRELATION” untuk hubungan antara kebutuhan konsumen dengan karakterisitk teknik Sehingga proses aritmatik dapat dirumuskan sebagai berikut : W j = (C 1j ⊗ I 1 ) ⊕ (C 2j ⊗ I 2 ) ⊕ ….. ⊕ (C nj ⊗ I n ); ∀ j ε {1, 2, 3, …,m} 5. Defuzzifikasi data (defuzzification of output data) Jika prioritas teknik fuzzy diperlukan maka step 4 ini akan dilewati dan proses dilanjutkan ke langkah 5. Tapi bila angka crisp yang diperlukan maka prioritas karakteristik teknik yang berhasil didapat (berupa angka fuzzy) perlu mengalami proses defuzzifikasi terlebih dahulu untuk merubahnya menjadi angka crisp. Proses defuzzifikasi ini ada beberapa macam. Diantaranya adalah Centroid Methods. Metode centroid ini menghitung center of gravity (COG) dari area dibawah fungsi keanggotaan µ A (x) dimana x* berarti nilai defuzzifikasi dari fuzzy set A. 6. Downstream QFD activities Dua situasi yang akan terjadi pada tahap ini. Situasi pertama adalah HOQ sebagai satu-satunya fase yang digunakan dalam proses QFD. Dalam situasi ini dihasilkan interpretasi dari informasi yang diberikan oleh HOQ. Situasi lainnya adalah HOQ merupakan fase pertama dimana pengembangan part, perencanaan proses dan produksi dimasukkan ke dalam kegiatan yang berurutan. Model ini didasarkan pada HOQ sebagai fase pertama dari QFD. 40 Fase kedua QFD memetakan karakteristik teknis produk ke dalam karakteristik proses. Gambar 12 Model SECI dan Konversi QFD dari Pengetahuan Tacit ke Eksplisit (Akao, 2003) Dalam konteks keterkaitan QFD dengan manajemen pengetahuan dan model SECI dijelaskan oleh Yoji A (2002). FMEA disebutkan merupakan bagian dari proses eksternalisasi atau pengubahan pengetahuan tacit menjadi explicit seperti dapat dilihat pada Gambar 12. 2.12 Failure Mode and Effect Analysis (FMEA) Failure Mode and Effect Analysis (FMEA) adalah sebuah teknik analisis yang mengkombinasikan antara teknologi dan pengalaman dari orang dalam mengidentifikasi penyebab kegagalan dari produk atau proses dan perencanaan untuk penghilangan penyebab kegagalannya (Besterfield, 2004). Dengan kata lain FMEA dapat dijelaskan sebagai sebuah kelompok aktifitas yang meliputi: 41 • Mengenali dan mengevaluasi kegagalan dari produk atau proses dan efek yang ditimbulkan. • Mengidentifikasi tindakan yang dapat mengeliminasi atau mengurangi kemungkinan kegagalan • Mendokumentasikan proses Ada beberapa macam tipe FMEA, tetapi secara garis besar dapat dikelompokkan menjadi dua kategori FMEA yaitu: • Design FMEA (DFMEA) Desain FMEA lebih kepada aktifitas untuk mendeteksi potensial kegagalan pada fase produk desain. Desain FMEA adalah sebuah prosedur untuk mengidentifikasi apakah bahan baku yang digunakan adalah bahan baku yang tepat, sesuai dengan yang diharapkan konsumen. Desain FMEA memperhatikan keutuhan dari penggabungan komponen-komponen dan efek interaksi dari fungsi produk. • Process FMEA (PFMEA) Proses FMEA adalah aktivitas untuk mendeteksi atau mengevaluasi kegagalan pada proses manufaktur. Proses FMEA berhubungan dengan proses manufaktur dan atau proses perakitan. Hal-hal yang harus diidentifikasi dalam Proses FMEA adalah: 1. Fungsi proses Merupakan gambaran dari proses produksi yang akan dianalisa beserta dengan penjelasan secara singkat fungsi dari proses tersebut. Jika prosesnya ada beberapa operasi dengan potensi kegagalan yang berbeda, daftarkan operasi sebagai proses terpisah. 2. Jenis kegagalan yang terjadi Potensi kegagalan proses yang diidentifikasi adalah proses yang terjadi gagal dalam memenuhi persyaratan proses. Gunakan pengalaman proses yang sama untuk mengevaluasi keluhan pelanggan sehubungan dengan 42 komponen yang sama. Asumsikan bahwa material yang masuk sudah baik. 3. Efek dari kegagalan yang terjadi Akibat yang ditimbulkan dari kegagalan yang terjadi terhadap konsumen maupun efek terhadap kelangsungan proses selanjutnya. 4. Severity Nilai tingkat keparahan dari akibat yang ditimbulkan terhadap konsumen maupun terhadap kelangsungan proses selanjutnya yang secara tidak langsung juga merugikan. Terdiri dari rating dari 1 – 10. Makin parah efek yang ditimbulkan, makin tinggi nilai rating yang diberikan. 5. Penyebab kegagalan Penyebab kegagalan kegagalan-kegagalan didefinisikan pada proses sebagai tersebut penjelasan bisa terjadi. mengapa Setiap kemungkinan penyebab kegagalan yang terjadi didaftarkan dengan lengkap. 6. Occurance Seberapa sering kemungkinan penyebab kegagalan terjadi. Nilai occurance ini diberikan untuk setiap penyebab kegagalan. Terdiri dari rating dari 1 – 10. Makin sering penyebab kegagalan terjadi, makin tinggi nilai rating yang diberikan. 7. Kontrol yang dilakukan: Kontrol yang dilakukan untuk mendeteksi penyebab kegagalan yang terjadi. 8. Detectability Seberapa jauh penyebab kegagalan dapat dideteksi. Terdiri dari rating dari 1 – 10. Makin sulit mendeteksi penyebab kegagalan yang terjadi, makin tinggi nilai rating yang diberikan. Risk Priority Number (RPN) merupakan perkalian dari rating occurrence (O), severity (S) dan detectability (D) : 43 RPN = O x S x D Angka ini seharusnya digunakan sebagai panduan untuk mengetahui masalah yang paling serius, dengan indikasi angka yang paling tinggi memerlukan prioritas penanganan serius Aplikasi fuzzy FMEA dijelaskan dalam Puente (2002). Input yang berupa nilai severity, occurance, dan detactability ini terdiri dari 5 kelas (kategori) yaitu: • Very Low (VL) • Low (L) • Moderate (M) • High (H) • Very High (VH) Output yang berupa nilai Fuzzy RPN (FRPN) ini terdiri dari 8 kelas (kategori) yaitu: • Very Low (VL) • Very Low – Low (VL-L) • Low (L) • Low Moderate (L-M) • Moderate (M) • Moderate High (M-H) • High (H) • High – Very High (V-VH) • Very High (VH) Tahap selanjutnya yaitu mengevaluasi input dengan aturan-aturan fuzzy. If-then rules yang digunakan mengacu pada matriks di Gambar 13, sehingga didapatkan 125 rules. 44 Gambar 13 Matriks Fuzzy FMEA Rules (Puente et al. 2002) Gambar 14 Keterkaitan FMEA dalam Model SECI (Arendt, 2008) Dalam konteks keterkaitan FMEA dengan manajemen pengetahuan dan model SECI dijelaskan oleh Arendt M (2008). FMEA disebutkan merupakan 45 bagian dari proses eksternalisasi atau pengubahan pengetahuan tacit menjadi explisit. 2.13 Penelitian Terdahulu Beberapa penelitian tentang manajemen pengetahuan dalam suatu industri atau klaster industri antara lain telah dilakukan Van Horne, Frayret dan Poulin (2005), Sureephong (2007) serta Chen dan Xiangzhen (2010) seperti dapat dilihat pada Tabel 3. Penelitian Van Horne et al. (2005) menghasilkan suatu model manajemen pengetahuan untuk mengelola pengetahuan pada industri kehutanan di Kanada dengan perguruan tinggi dan pusat penelitian bertindak sebagai aktor utama. Penelitian Sureephong (2007) menghasilkan suatu model sistem manajemen pengetahuan untuk mengelola pengetahuan pemasaran ekspor pada klaster industri keramik skala kecil dan menengah di Thailand dengan aktor utama adalah asosiasi industri keramik. Penelitian Chen dan Xiangzhen (2010) menghasilkan suatu model sistem manajemen pengetahuan untuk memajukan kompetensi inti pada klaster industri. Namun demikian model manajemen pengetahuan pada beberapa penelitian terdahulu tersebut belum terkait dengan pemilihan inisiatif strategi pengembangan klaster serta strategi manajemen pengetahuan untuk mendukung strategi pengembangan klaster. Posisi penelitian dapat dilihat pada Gambar 15. Zack (1999) membuat suatu model strategi pengetahuan yang menghubungkan pengetahuan dengan strategi. Strategi pengetahuan dimaksudkan untuk mengidentifikasi pengetahuan apa yang sesungguhnya dibutuhkan perusahaan setelah menganalisa lingkungan eksternal dan internalnya. Selanjutnya ditentukan cara bagaimana memenuhi kesenjangan dalam pengetahuan. Carpinetti (2008) membuat suatu penelitian mengenai kinerja klaster menggunakan model yang dikembangkan dari model Balanced scorecard tersebut berdasarkan empat perspektif untuk mengukur kinerja suatu klaster industri yaitu Kinerja Perusahaan, Hasil Sosial/Ekonomi, Efisiensi Kolektif dan Modal Sosial. Adapun tujuan-tujuan strategis dalam kinerja perusahaan adalah peningkatan pasar, peningkatan produktivitas, penurunan biaya, dan peningkatan keuntungan. Tujuan-tujuan strategis dalam perspektif hasil sosial/ekonomi adalah peningkatan lapangan 46 pekerjaan, dan peningkatan ketersediaan tenaga kerja terspesialisasi. Tujuantujuan strategis dalam efesiensi kolektif adalah penurunan biaya transaksi, dan peningkatan kerjasama. Tujuan-tujuan strategis dalam perspektif modal sosial adalah peningkatan jumlah anggota klaster yang terlibat dalam kerjasama. Quesada (2007) membuat suatu model pemilihan proses bisnis kunci dengan kriteria tujuan strategis suatu perusahaan yang ditetapkan menggunakan model Balanced scorecard. Selanjutnya penelitian Scholl (2007) dan Carrion (2006) menyatakan pentingnya inisiatif manajemen pengetahuan yang lebih berorientasi pada proses bisnis. Salah satu kunci sukses dalam inisiatif manajemen pengetahuan adalah selektif dalam memilih area pengetahuan yang akan dikelola. Nicolas (2004) melalukan survai mengenai strategi manajemen pengetahuan yang paling banyak digunakan diantaranya adalah strategi pendekatan proses (kodifikasi), pendekatan praktek (personalisasi) serta sosialisasi (kombinasi). Pendekatan proses berusaha melakukan kodifikasi pengetahuan organisasional melalui kendali formal dan teknologi seperti intranet, data warehousing, repositori pengetahuan, peranti pendukung keputusan dan groupware. Pendekatan ini disebut juga strategi manajemen pengetahuan teknologikal. Pendekatan praktek berasumsi bahwa banyak pengetahuan organisasional bersifat tersembunyi dan kontrol formal, proses dan teknologi tidak cocok untuk mentransmisi jenis pemahaman ini. Pendekatan ini dilakukan kebanyakan melalui kontak pribadi ke pribadi. Sedangkan strategi sosialisasi menggabungkan kedua strategi sebelumnya yaitu teknologikal dan personalisasi. Sosialisasi didisain agar pengetahuan dapat saling dipertukarkan melalui interaksi satu sama lain dalam suatu komunitas pengetahuan atau kelompok orang yang bergerak dalam pengetahuan yang sama serta juga mengumpulkan pengetahuan. Hasil penelitian Nicolas (2004) menunjukkan bahwa strategi sosialisasi paling banyak digunakan. Wu (2007) melakukan penelitian mengenai pemilihan strategi manajemen pengetahuan menggunakan teknik ANP. Kriteria yang digunakan adalah dukungan pemerintah, komunikasi, biaya, budaya dan orang, insentif serta waktu. Sebagai alternatif adalah strategi kodifikasi, personalisasi dan kombinasi. 47 Tabel 3. Penelitian terdahulu mengenai manajemen pengetahuan dan klaster industri No 1 Peneliti Van Horne et al. (2005) Penelitian Metode Penelitian ini mengkaji bahwa untuk menghadapi Literature tantangan dalam ekonomi berbasis pengetahuan, Review perusahaan perhutanan harus peduli tentang bagaimana pengetahuan dikreasi dan disebarluaskan. Terdapat beberapa pusat kepakaran kehutanan di dunia. Peran dari pusat kepakaran ini tidak hanya kreasi informasi dan pengetahuan tetapi juga secara efisien mendiseminasi temuannya pada industri. Studi kasus dilakukan pada industri kehutanan di Kanada dengan perguruan tinggi dan pusat penelitian bertindak sebagai aktor utama. 2 Sureephong Menghasilkan suatu model sistem manajemen (2007) pengetahuan untuk mengelola pengetahuan pemasaran ekspor pada klaster industri keramik skala kecil dan menengah di Thailand dengan aktor utama adalah asosiasi industri keramik. Sistem manajemen pengetahuan Peta pengetahuan CommonKADS methodology Penelitian ini menghasilkan kesimpulan bahwa Literature cara yang penting untuk membuat kompetensi Review klaster berkelanjutan adalah dengan transfer dan berbagi pengetahuan, membuat inovasi dalam klaster, menyerap pengetahuan dari luar serta menciptakan kapabilitas inovasi yang unik dan berbeda dari klaster lain. Menghasilkan suatu model sistem manajemen Sistem pengetahuan untuk memajukan kompetensi inti manajemen pada klaster industri. pengetahuan expert systems data mining system Penelitian ini dilakukan pada klaster elastomer di Metode survey Sinos Valley, Rio Grande do Sul Brazil dan Analisis menghasilkan kesimpulan bahwa pusat penelitian Statistik merupakan pusat pengetahuan teknikal dalam pengembangan produk perusahaan. Perusahaan mengirimkan teknisinya untuk bertukar pengetahuan dengan pusat penelitian ini dalam suatu communities of practices Perancangan model manajemen pengetahuan pada FAHP, FFMEA, klaster industri barang jadi lateks di Jawa Barat FQFD, Sistem Pakar, Sistem dan Banten Manajemen Pengetahuan 3 Yang dan Wang (2008) 4 Chen dan Xiangzhen (2010). 5 Ferasso et al. (2010) 6 Penelitian ini 49 3 METODE PENELITIAN 3.1 Kerangka Pemikiran Konseptual Terkonsentrasinya beberapa perusahaan yang saling terkait dalam suatu geografis tertentu diharapkan akan memudahkan terjadinya kerjasama, efisiensi ekonomi serta perencanaan kebijakan dan penyediaan sarana dan prasarana. Beberapa penelitian menegaskan bahawa salah satu faktor kunci sukses pengembangan klaster adalah adanya aliran formal dan informal dari pengetahuan yang didapatkan dari hubungan antar anggota klaster (DTI, 2005; Sureephong, 2007). Kerja sama antar perusahaan dalam bentuk klaster industri memberi kesempatan tumbuhnya ruang belajar secara kolektif dimana terjadi proses berbagi pengetahuan (knowledge sharing) dalam suatu usaha kolektif untuk meningkatkan kualitas produk dan perluasan pasar. Rancang bangun model manajemen pengetahuan untuk pengembangan klaster agroindustri barang jadi lateks di Jawa Barat dan Banten terbagi menjadi tiga bagian yaitu model sistem pendukung keputusan strategi pengetahuan yang terbagi atas strategi pengembangan klaster dan manajemen pengetahuan serta strategi kodifikasi pengetahuan serta model sistem manajemen pengetahuan dalam bentuk portal manajemen pengetahuan. Pengetahuan yang dikelola dalam manajemen pengetahuan haruslah pengetahuan yang paling terkait dengan tujuan strategis pengembangan klaster industri itu sendiri. Proses identifikasi pengetahuan tersebut dikemas dalam suatu model strategi pengetahuan. Model ini diawali dengan identifikasi aktor utama, perspektif pengembangan klaster, tujuan strategis pengembangan klaster serta inisiatif strategi dalam klaster menggunakan model yang dikembangkan dari model Balanced Scorecard. Model strategi ini juga dikembangkan dari model strategi pengetahuan oleh Zack (1999) yang menyatakan bahwa strategi pengetahuan harus selaras dengan strategi bisnis suatu perusahaan. Berdasarkan area pengetahuan terkait tersebut serta aktor utama strategi klaster kemudian dilakukan analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci. Kesenjangan pengetahuan yang terjadi serta area pengetahuan kunci kemudian dikelola dalam suatu model strategi manajemen pengetahuan. 50 Strategi manajemen pengetahuan ini bertujuan untuk memandu dan mendefinisikan strategi, proses akuisisi pengetahuan dan kelembagaan untuk mengelola pengetahuan dalam klaster industri. Secara utuh kerangka pemikiran penelitian dapat dilihat pada Gambar 16. • • • • • • Perumusan Tujuan : Merancang model pemilihan strategi pengembangan klaster berbasis pengetahuan Merancang model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci Merancang model pemilihan strategi manajemen pengetahuan Merancang model kodifikasi pengetahuan disain proses Merancang model kodifikasi pengetahuan kegagalan proses Merancang portal manajemen pengetahuan untuk memfasilitasi proses berbagi pengetahuan dalam klaster • • • • • • • • Kajian Pustaka : Klaster industri Manajemen pengetahuan Strategi pengetahuan Strategi manajemen pengetahuan Sistem manajemen pengetahuan Sistem pendukung keputusan Teknologi proses barang jadi lateks Metode dan model yang mendukung MODEL MANAJEMEN PENGETAHUAN Perumusan SPK Strategi Pengetahuan Strategi Pengembangan Klaster dan Area Pengetahuan Terkait (Fuzzy AHP) Analisis Kesenjangan Pengetahuan (Logika Fuzzy) Berbagi Pengetahuan Strategi Pengetahuan Pengetahuan Disain Proses (FQFD) Portal Pengetahuan (Sistem Manajemen Pengetahuan) Pengetahuan Kegagalan Proses (FFMEA) Taksonomi Pengetahuan Berbagi Artikel Strategi Manajemen Pengetahuan (Fuzzy AHP) Sistem Pakar Produk Unggulan (FAHP) Model Manajemen Pengetahuan untuk Pengembangan Klaster Industri Barang Jadi Lateks di Jawa Barat dan Banten Cari Pakar Forum Verifikasi dan Validasi Gambar 16 Kerangka pemikiran penelitian 3.2 Tahapan Penelitian Tahapan penelitian diawali dengan analisis sistem yang terdiri atas analisis situasional, analisis kebutuhan dan identifikasi sistem serta kajian pustaka yang relevan dengan topik yang diteliti. Analisis situasional atau analisis kewilayahan dalam suatu klaster industri dinilai penting karena memang definisi klaster itu sendiri adalah konsentrasi geografis dari perusahaan-perusahaan yang saling 51 terhubungkan, pemasok-pemasok, penyedia jasa, perusahaan-perusahaan dalam industri terkait serta institusi lain (perguruan tinggi, badan standarisasi, asosiasi dagang) dalam suatu lapangan usaha tertentu yang saling bersaing tetapi juga bekerja sama (Porter, 1998). Analisis kemudian dilanjutkan dengan analisis kebutuhan para aktor atau pihak yang berkepentingan dalam klaster indusri barang jadi lateks serta formulasi permasalahannya.. Secara utuh tahapan penelitian dapat dilihat pada Gambar 17. 3.3 Metode Pengumpulan Data Pengumpulan data penelitian berdasarkan pada kebutuhan sistem yang dilakukan melalui studi pustaka dan survai lapang. Survai lapang lebih difokuskan pada pendapat pakar (expert survey) dengan wawancara yang mendalam (in-depth interview), pengisian kuesioner dan observasi lapang. Data dikumpulkan secara sengaja (purposive sampling) dari beberapa pelaku sistem antara lain staf Dinas Industri dan Perdagangan Jawa Barat, staf peneliti pada Badan Penelitian dan Teknologi Karet Bogor serta praktisi industri terkait. Jenis data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer antara lain berupa pendapat pakar mengenai strategi pengetahuan, pemilihan strategi manajemen pengetahuan serta hasil akuisisi pengetahuan kunci. 3.4 Teknik Pengolahan Data Data yang telah dikumpulkan baik primer maupun sekunder diolah dengan menggunakan dengan berbagai alat analisis sesuai dengan tujuan analisis. Model strategi pengetahuan dan model strategi manajemen pengetahuan menggunakan teknik Fuzzy Analystical Hierarchy Process (FAHP). Model analisis kesenjangan pengetahuan menggunakan logika fuzzy. Model kodifikasi pengetahuan disain proses terhadap pengetahuan kunci menggunakan teknik penyebaran fungsi kualitas dengan pendekatan fuzzy atau Fuzzy Quality Function Deployment (FQFD). Model kodifikasi pengetahuan kegagalan proses menggunakan teknik analisis modus kegagalan dan akibat dengan pendekatan fuzzy atau Fuzzy Failure Mode and Effect Analysis (FFMEA) dan sistem pakar. Area pengetahuan kunci 52 untuk keperluan portal pengetahuan menggunakan teknik taksonomi pengetahuan dan peta pengetahuan. Mulai Analisis sistem : pemetaan Klaster, analisis kebutuhan dan diagam input output Kajian pustaka yang relevan Perancangan Model SPK : Model Pemilihan Strategi Pengembangan Klaster Berbasis Pengetahuan Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci Model Pemilihan Strategi Manajemen Pengetahuan Model Kodifikasi Pengetahuan Disain Proses Model Kodifikasi Pengetahuan Kegagalan Proses Perancangan kuesioner Pembuatan program komputer Pengumpulan data Pengolahan data Analisis Perancangan Model Sistem Manajemen Pengetahuan Implikasi Model Selesai : Model Manajemen Pengetahuan untuk Pengembangan Klaster Agroindustri Barang Jadi Lateks Gambar 17 Tahapan Penelitian 3.5 Lokasi dan Waktu Penelitian Penelitian dilakukan di beberapa wilayah yaitu perkebunan karet dan pabrik lateks pekat di di Purwakarta serta beberapa pabrik barang jadi lateks di Jawa Barat dan Banten. Penelitian juga dilakukan di Balai Penelitian Teknologi 53 Karet Bogor untuk keperluan akuisisi dan kodifikasi pengetahuan kunci. Penelitian dilakukan pada bulan September 2007 sampai dengan Oktober 2010. 4 ANALISIS SISTEM 4.1 Struktur Pasar Barang Jadi Karet dan Produsen Barang Jadi Lateks Secara umum struktur pasar dunia berbasis karet didominasi oleh karet padat terutama berasal dari ban. Produks lateks hanya menyumbang 8 % sebagaimana dapat dilihat pada Gambar 18. Engineering 8% Footw ear 5% Other Adhesives 3% 8% Latex products 8% Tyres 68% Gambar 18 Struktur pasar barang jadi karet dunia (ISO 2004) Malaysia merupakan produsen dan eksportir terbesar produk barang jadi lateks seperti kateter (catheters), benang lateks (latex threads) dan sarung tangan bedah dari karet alam (natural rubber medical gloves) yang mensuplai 80 % pasar dunia untuk kateter, 70 % untuk benang lateks dan 60 % untuk sarung tangan bedah (www.mida.gov.my). Khusus untuk produk sarung tangan, data yang dimiliki oleh Indonesian Rubber Glove Manufacturers Association (IRGMA) pada tahun 2005 menunjukkan bahwa produksi sarung tangan Indonesia masih jauh tertinggal dibandingkan Malaysia dan Thailand seperti dapat dilihat pada Tabel 4. 54 Tabel 4 Produksi dari tiga negara pemain utama sarung tangan lateks Negara Produksi (Ton) Produksi (000) Global (%) Malaysia 374432.9 48676271.9 54.4 Thailand 147295.3 19148386.4 21.4 Indonesia 60563.2 7873216 9.2 Lain-lain 103244.4 13421766.2 15 Total 688295.7 89478441 100 Sumber : IRGMA (2005) Sedangkan jumlah perusahaan sarung tangan karet yang menjadi anggota Indonesian Rubber Glove Manufacturers Association (IRGMA) sebanyak 13 perusahaan seperti dapat dilihat pada Tabel 5. Tabel 5 Agroindustri sarung tangan lateks (anggota Indonesian Rubber Glove Manufacturers Association / IRGMA) No Perusahaan Alamat 1 PT Arista Latindo Industrial Ltd PT Abbergummi Medical PT Delta Waru Rubber Industry PT Latexindo Tobaperkasa PT WRP Buana Multicorpora PT Gotong Royong Jaya PT Medi Safe Technologies PT Shamrock Manufacturing Corp PT Intan Hevea Industry PT Indorub Nusaraya PT Healthcare Glovindo PT Saptindo Surgica Jl. Hang Tuah No. 23 Jakarta 12120 2 3 4 5 6 7 8 9 10 11 12 13 PT Mandiri Inti Buana Sumber : IRGMA (2005) Comp. Delta Sari Blok AA/4 Waru, Sidoarjo Jl. Brigjen Katamso No.2, Sidoarjo 61256 Jl. Medan-Binjai Km.11 Deli Serdang, Sum-Utara Jl. Jermal 20B Medan-Labuan Km.17- Medan Jl. Hindu No.33, Medan Sumatera Utara Jl. Batang Kuis Gg Tambak Rejo, Desa Buntu Bedimbar Tg. Morawa, Sumut Jl. Pemuda No. 11 Medan 20234 Jl. Yos Sudarso Km. 10,5 Desa Mabar, Medan 20242 Jl. Semarang No. 105 / 16, Medan 20212 Jl. Yos Sudarso Km. 10, KIM (Jl. Ternate), Medan Jl. Raya Serang Km.65 Serang 42186 Jl. Sie Belumai, Desa Dalu XA Dusun 1 Tg. Morawa Medan 20362 Sumut 55 Menurut Siswanto, Suharyanto dan Syamsu (2003) jumlah industri barang jadi lateks di Indonesia sebanyak ± 73 perusahaan yang memproduksi antara lain: sarung tangan, rubber thread, kondom, balon, teat, dan rubber foam. Jumlah perusahaan produksi sarung tangan yang sebelumnya sebanyak lebih dari 70 perusahaan, kini hanya tinggal kurang lebih 47 perusahaan yang sebagian besar berada di wilayah Jabotabek. Jenis dan kapasitas produksi dari Industri barang jadi lateks di Indonesia tercantum pada Tabel 6. Penurunan jumlah industri barang jadi lateks tidak terlepas dari adanya persyaratan yang ketat menurut standard internasional ASTM (American Society for Testing and Materials) dan FDA (Food and Drug Administration) yang harus dipenuhi oleh pihak produsen (industri barang jadi nasional). Tabel 6 Jenis dan kapasitas produksi dari industri barang jadi lateks di Indonesia Jenis produk lateks Sarung tangan Jumlah Perusahaan 47 Kapasitas produksi 54.054 ton Rubber thread 4 13.442 ton 309 Kondom 4 147 juta pcs 250 Balon 4 nd nd Teat 4 nd 50 Rubber foam 10 10.000 ton 1100 Jumlah tenaga kerja 9.609 Sumber : Siswanto, Suharyanto dan Syamsu (2003) 4.2. Pola Sebaran Tenaga Kerja Industri Hilir Karet pada Beberapa Propinsi Pola sebaran tenaga kerja dengan pada wilayah yang memiliki potensi untuk menjadi klaster industri barang jadi lateks menggunakan teknik analisis korespondensi. Penelitian pola sebaran dibatasi pada 3 kategori barang jadi karet, yaitu barang jadi lateks (BJL), barang jadi karet untuk industri (BJKI) dan barang jadi karet umum (BJKU) dengan 3 wilayah analisis yaitu Sumatera Utara, Jawa Barat dan Banten. 56 Tabel 7 Jumlah Tenaga Kerja Berdasarkan Kategori Barang Jadi Karet dan Propinsi Indonesia Jabar Sumut Banten 15662 1356 8792 1855 1036 246 209 377 11390 8485 106 1159 UKM BJKI 1632 926 106 167 BJKU 7480 165 395 115 UKM BJKU 1074 165 92 115 34532 10006 9293 3129 3742 1337 407 659 BJL UKM BJL BJKI TOTAL UKM TOTAL Sumber : BPS (2008), diolah Symmetric Plot BJKU Jatim Component 2 1.0 0.5 BJKI Jab ar 0.0 Ban ten -0.5 BJL Su mu t -1.0 -1.0 -0.5 0.0 0.5 1.0 Component 1 Gambar 19. Plot Konsentrasi Tenaga Kerja Berdasarkan Propinsi dan Kelompok BJK Berdasarkan Tabel 7 di atas dapat diketahui bahwa jumlah tenaga kerja di pabrik barang jadi lateks di Indonesia sebesar 15.662 pekerja dimana sebagian besar terkonsentrasi pada tiga propinsi yaitu Jawa Barat, Banten dan Sumatera Utara dengan persentase 76,64 %. Sumatera Utara menempati porsi terbesar sebesar 56,14% diikuti Banten dan Jawa Barat. Sedangkan untuk level UKM pada Tabel 7 tersebut terlihat pada Banten dan Jawa Barat memiliki jumlah pekerja 57 yang lebih besar dibandingkan Sumatera Utara. Berdasarkan teknik analisis peubah ganda dengan analisis korespondensi didapatkan hasil bahwa Sumatera Utara dan Banten didominasi oleh industri BJL, Jawa Barat lebih didominasi oleh agroindustri BJKI dan Jatim oleh BJKU untuk skala industri secara umum (Gambar 19). Sedangkan untuk kategori industri skala UKM maka propinsi Banten lebih mendekati kepada Industri berbasis lateks seperti dapat dilihat pada Gambar 20. Symmetr ic Plot 0.50 Component 2 0.25 Su mu t UKM BJKU Jab ar BJKI UKM BJL 0.00 UKM Ban ten - 0.25 - 0.50 - 0.50 - 0.25 0.00 0.25 0.50 Component 1 Gambar 20. Plot Konsentrasi Tenaga Kerja Berdasarkan Propinsi dan Kelompok BJK Skala UKM 4.3. Pemetaan Klaster Industri Barang Jadi Lateks di Jawa Barat dan Banten Perusahaan barang jadi lateks di wilayah propinsi Banten didominasi oleh industri berskala kecil dan menengah yang memproduksi barang jadi lateks. Selain itu posisi lembaga pendukung atau lembaga penelitian seperti BPTK Bogor dan IPB di Jawa Barat adanya beberapa industri berskala kecil atau rumah tangga di sekitar Bogor Jawa Barat maka penelitian klaster difokuskan pada Jawa Barat dan Banten. Industri barang jadi lateks yang lebih didominasi oleh jenis barang celup lateks menjadikan agroindustri ini dapat menjadi industri inti untuk klaster skala kecil dan menengah di wilayah Jawa Barat dan Banten (Gambar 21). 58 Pemerintah Pusat dan Daerah Perkebunan Besar Negara (PBN) Perkebunan Besar Swasta (PBS) Industri Pemasok - Lateks Pekat - PN VIII, Cakrawala, Huma (3 unit usaha) - Bahan Kimia - Gas (PT PGN) - Listrik (PLN) - Cetakan - Permesinan Industri Terkait (Karet busa, benang karet, dan perekat) Industri Inti (barang celup lateks : sarung tangan, balon, peralatan medis) Skala Besar Skala UKM (terkonsentrasi di wilayah Bogor dan Serang) Pemasaran : - Dalam Negeri - Ekspor Lembaga Pendukung : BPTK Bogor, Perguruan Tinggi, Lembaga Keuangan Gambar 21. Pemetaan Klaster Agroindustri Barang Jadi Lateks di Jawa Barat dan Banten Beberapa perusahaan skala besar dalam lingkup industri inti barang celup lateks di wilayah Jawa Barat dan Banten antara lain produsen sarung tangan yaitu PT Arista Latindo di Bogor Jawa Barat dan PT Tata Rubber serta PT Saptindo Surgica di Serang Banten. Produsen kondom yaitu PT Rajawali Banjaran di Bandung dan PT Vonix di Tangerang Banten. Produsen spygmomanometer antara lain PT Dharma Medipro di Serang Banten, PT Sugih Instrumendo di Bandung dan PT Sankeindo di Parung Bogor. Perusahaan skala kecil menengah antara lain PT Laxindo Utama (sarung tangan) di Cikande Serang Banten, CV. Tunggal Jaya Teknindo (komponen peralatan medis dan elektronika) di Cikande Serang Banten, serta beberapa produsen sarung tangan skala kecil dan menengah yang terkonsentrasi di Bogor. Kajian pemetaan klaster industri barang jadi lateks di Jawa Barat dan Banten kemudian dilanjutkan dengan analisis menggunakan model Diamond (Porter 1990). Model ini menyatakan bahwa terdapat empat hal yang membentuk keunggulan bersaing nasional atau suatu regional tertentu yaitu kondisi faktor, kondisi Permintaan, industri terkait dan pendukung serta strategi perusahaan dan persaingan Pasar 59 Kondisi Faktor Barang jadi lateks termasuk barang jadi lateks membutuhkan bahan baku berupa lateks pekat sebagai bahan baku utama. Pabrik barang jadi lateks di wilayah Jawa Barat dan Banten mendapatkan pasokan bahan baku dari PTPN VIII, PTPN IX dan PT. Huma Indah Mekar Lampung. Produksi bahan baku lateks pekat di VIII untuk kebun Jalupang memiliki kapasitas 3-5 ton per hari sedangkan kebun Cikumpay memiliki kapasitas 6 ton perhari. Saat ini sekitar 3-5 ton per hari karena kurang bahan baku lateks kebun. Produksi relatif bervariasi karena saat musim trek (gugur daun) jumlah lateks sedikit terganggu alami. Sedangkan saat musim hujan ekstrim yang tidak bisa diduga (hujan pagi), lateks tidak bisa dikumpulkan. Produksi lateks pekat PTPN VIII sebagian besar dipasok ke pabrik skala besar dan menengah di Jawa Barat. Bagi industri barang jadi lateks skala kecil dan menengah kendala yang sering dihadapi adalah tersendatnya pasokan bahan baku berupa lateks pekat dan bahan kompon (BPTK 2007). Pabriks lateks pekat cenderung melayani ekspor atau pesanan dalam jumlah besar. Industri barang jadi lateks skala kecil menengah sering mengalami kendala dalam pengadaan lateks pekat dalam jumlah yang relatif sedikit. Hal ini diatasi oleh industri skala kecil dengan membeli dari pedagang yang dipasok dari beberapa pabrik di Lampung serta dengan meminjam lateks dari industri sejenis seperti yang terjadi di wilayah Bogor karena terbentuk klaster di sekitar wilayah Bogor Selatan. Faktor sumber daya manusia di wilayah Jawa Barat dan Banten relatif kuat dengan adanya dukungan Balai Penelitian Teknologi Karet di Bogor, B4T di Bandung, serta beberapa perguruan tinggi antara lain seperti IPB, ITB, serta Sekolah Menengah Kimia Analis Bogor. Kondisi permintaan Pada tahun 2009 kebutuhan sarung tangan lateks bertambah terutama di bidang kesehatan. Penambahan kebutuhan ini dipicu oleh merebaknya H1N5 pandemic atau flu burung. Permintaan kebutuhan sarung tangan dari industri kecil juga meningkat ketika terjadi beberapa bencana nasional seperti tsunami atau gunung meletus. Namun industri barang jadi lateks masih dihadapkan pada persoalan resiko keselamatan pengguna yang berkaitan dengan kesehatan (alergi 60 dan kanker) dan dampak pencemaran lingkungan oleh seng yang berasal dari ZnO (BPTK 2007). Industri Terkait dan Pendukung Industri barang celup lateks, perekat lateks, dan karet busa sama-sama menggunakan lateks pekat sebagai bahan bakunya. Oleh karena itu pasokan lateks pekat dari pabrik lateks pekat jarang sekali tidak terserap bahkan beberapa kali beberapa industri mengalami kekurangan sehingga memerlukan pasokan dari Jawa Tengah atau Lampung. Pemasok bahan baku kimia lateks untuk industri kecil berasal dari toko bahan kimia seperti misalnya Toko Indrasari di wilayah Ciawi yang memasok beberapa pabrik kecil di sekitar Bogor. Pasokan skala besar berasal dari agen yang umumnya berasal dari Jakarta. Strategi Perusahaan dan Persaingan Persaingan antar pengusaha kecil barang celup lateks relatif tidak terlalu tinggi karena beberapa pengusaha kecil sudah memiliki jalinan kerjasama dengan industri besar misalnya dalam hal sterilisasi produk sarung tangan atau agen penjual masing-masing. Kerja sama dalam klaster industri barang jadi lateks di Jawa Barat dan Banten juga telah terjadi seperti pada tahun 2009pernah dilakukan kegiatan insentif yang dijembatani oleh pemerintah dimana BPTK Bogor bermitra adalah PT. Sugih Instrumendo Abadi yang berlokasi di Bandung dan PT. Dharma Medipro yang berlokasi di Serang dalam rangka difusi dan penerapan ilmu pengetahuan dan teknologi yang bersifat pengembangan produk seperti pengenalan lateks berprotein rendah (lateks DPNR) sebagai bahan baku untuk memproduksi BJL dengan resiko alergi protein rendah. Penelitian bersama juga pernah dilakukan oleh BATAN dalam rangka pengembangan teknik produk lateks alam iradiasi dengan melibatkan beberapa industri kecil dan menengah di Jawa Barat dan Banten (Marga, 2007). 4.4 Analisis Kebutuhan Analisa kebutuhan merupakan permulaan pengkajian dari suatu sistem. Dalam melakukan analisa kebutuhan ini dinyatakan kebutuhan-kebutuhan yang ada, baru kemudian dilakukan tahap pengembangan terhadap kebutuhan 61 yang dideskripsikan. Terdapat beberapa komponen aktor atau pelaku yang terlibat pada sistem agroindustri barang jadi lateks. Kebutuhan dari masing-masing aktor tersebut tersajikan pada Tabel 8. 4.5 Formulasi Permasalahan Secara umum industri ini menghadapi masalah dalam persyaratan kualitas, tingginya biaya produksi akibat persentase cacat produk yang tinggi serta dan semakin ketatnya persyaratan pasar. Permasalahan kualitas tersebut antara lain berupa masalah sifat fisika produk yang tidak seragam, masalah blooming dan permasalahan kualitas produk lain. Tabel 8. Kebutuhan aktor dalam klaster agroindustri barang jadi lateks Aktor Pengusaha Agroindustri Lateks Pekat Pengusaha Agroindustri Barang Jadi Lateks Pemerintah Lembaga Pendukung (Keuangan, Penelitian) Konsumen Pedagang Kebutuhan Harga bahan olah karet rendah Bahan olah karet bermutu baik Kontinuitas pasakan bahan olah karet terjamin Harga jual lateks pekat tinggi Kelangsungan usaha terjamin Keuntungan yang layak Pengetahuan tentang teknologi lateks protein rendah Harga beli lateks pekat rendah Kualitas lateks pekat baik Lateks pekat berprotein rendah dan bebas karsinogenik Pasokan gas terjamin Pasar yang terjamin Kelangsungan usaha terjamin Keuntungan yang layak, Iklim investasi baik Dukungan pelatihan dan teknologi Meningkatnya daya saing ekspor Meningkatnya jumlah devisa negara Kesejateraan masyarakat meningkat Jumlah industri sarung tangan karet meningkat Meningkatnya kesempatan kerja Kelestarian lingkungan hidup Investasi menguntungkan Kecepatan pengembalian modal Keberhasilan dalam usaha Kerjasama penelitian Aplikasi hasil penelitian Harga produk rendah Mutu baik Produk tidak menyebabkan alergi (kadar protein rendah) Pasokan stabil Marjin keuntungan tinggi 62 Persoalan pasar tidak terlepas dari adanya persyaratan yang ketat menurut standard internasional ASTM (American Society or Testing and Materials) dan FDA (Food and Drug Administration) yang harus dipenuhi oleh pihak produsen antara lain terkait dengan kadar nitrosamine, kadar protein allergen serta bahanbahan yang bersifat karsinogenik dan mencemarkan lingkungan. Pabrik lateks pekat juga mengalami kendala pasokan bahan baku dari kebun yang sangat terbatas. Bahan baku untuk lateks pekat harus memiliki kontaminasi mikroba yang rendah dan kestabilan yang tinggi. 4.6 Identifikasi Sistem Identifikasi sistem bertujuan untuk memberikan gambaran terhadap sistem yang dikaji. Hal ini dapat dilakukan dengan dengan cara menggambarkan sistem yang dikaji dalam bentuk diagram antara lain diagram input-output seperti dapat dilihat pada Gambar 22. Input Lingkungan : 1. Peraturan Pemerintah 2. Kondisi Sosial Ekonomi Masyarakat INPUT TIDAK TERKENDALI : 1. Harga bahan baku lateks pekat 2. Ketersediaan dan kualitas lateks pekat 3. Modal sosial OUTPUT DIKEHENDAKI : 1. Peningkatkan pendapatan unit usaha 2. Peningkatan produktivitas dan kualitas 3. Perluasan kesempatan kerja 4. Peningkatan kemampuan inovasi 5. Peningkatan ketersediaan tenaga kerja terspesialisasi 6. Peningkatan kerjasama dan jumlah anggota klaster 7. Peningkatan konsumsi karet alam MODEL MANAJEMEN PENGETAHUAN PADA KLASTER AGROINDUSTRI BARANG JADI LATEKS INPUT TERKENDALI : 1. Teknologi yang digunakan 2. Program kemitraan OUPUT TIDAK DIKEHENDAKI : 1. Pencemaran lingkungan 2. Biaya produksi tinggi 3. Harga jual rendah MANAJEMEN PENGENDALIAN Gambar 22. Diagram input-output 63 5 PEMODELAN SISTEM 5.1 Konfigurasi Model Model manajemen pengetahuan untuk pengembangan klaster industri barang jadi lateks di Jawa Barat dan Banten dirancang dalam dua program perangkat lunak dalam bentuk sistem pendukung keputusan (SPK) dan sistem manajemen pengetahuan. Sistem pendukung keputusan digunakan dalam perancangan strategi pengetahuan untuk pengembangan klaster dan sistem manajemen pengetahuan dirancang dalam bentuk portal manajemen pengetahuan guna memfasilitasi proses berbagi pengetahuan dalam klaster. Data Sistem Manajemen Data Dat a pendapat pakar dalam pemilihan strategi klast er Dat a pendapat pakar kondisi saat ini dan kebut uhan pengetahuan Dat a pendapat pakar dalam pemilihan strategi manajem en pengetahuan Dat a pendapat pakar kepentingan karakt eristik produk dan hubungan karakt eristik produk dan proses Pengetahuan Sistem Manajemen Basis Pengetahuan Basis aturan fuzzy area kesenjangan pengetahuan Represent asi fuzzy tingkat hubungan karakt eristik produk dan proses Basis aturan fuzzy output resiko FMEA Basis aturan sistem pakar Model Sistem Manajemen Basis Model PengetModelahuan Model Pemiihan Strat egi Pengem bangan Klaster Berbasis Pengetahuan Model Analisis Kesenj angan Pengetahuan dan Penent uan Area Penget ahuan Kunci Model Pemilihan Strat egi Manajem en Penget ahuan Model Kodifikasi Pengetahuan Disain Proses Model Kodifikasi Pengetahuan Kegagalan Proses Sistim Pengolahan Terpusat Sistim Manajemen Dialog Gambar 23 Konfigurasi model sistem pendukung keputusan strategi pengetahuan 64 Sistem pendukung keputusan dirancang menggunakan Visual Basic for Applications (VBA) sebagai bahasa pemrograman untuk produk-produk Microsoft Office (Office), termasuk spreadsheet Microsoft Excel (Excel). Paket program ini memiliki beberapa fasilitas seperti basis data, pemodelan, analisis data, dan antarmuka yang diperlukan untuk mengembangkan SPK (Ragsdale 2001). Portal manajemen pengetahuan dirancang menggunakan paket program Drupal 6. Konfigurasi model SPK secara lengkap dapat dilihat pada Gambar 23. 5.2. Sistem Manajemen Basis Model Sistem ini terdiri atas 5 model yaitu model pemilihan strategi pengembangan klaster dan area pengetahuan terkait, model analisis kesenjangan pengetahuan dan area pengetahuan kunci, model pemilihan strategi manajemen pengetahuan, model kodifikasi pengetahuan disain proses, dan model kodifikasi pengetahuan kegagalan proses. 5.2.1 Model Pemilihan Strategi Pengembangan Klaster dan Area Pengetahuan Terkait Model ini bertujuan untuk menentukan strategi yang paling tepat untuk mengembangkan klaster industri barang jadi lateks skala kecil dan menengah di Jawa Barat dan Banten serta area pengetahuan yang terkait untuk mendukung terlaksananya strategi tersebut. Diagram alir model tersebut dapat dilihat pada Gambar 24. Input dari model adalah berupa hirarki keputusan akan dirancang dan penilaian pakar terhadap perbandingan berpasangan antar kriteria dan alternatif dalam hirarki tersebut. Pengolahan data untuk model pemilihan strategi pengembangan klaster dan area pengetahuan terkait serta model pemilihan strategi manajemen pengetahuan menggunakan teknik Fuzzy Analytical Hierarchy Process (FAHP). 65 Mulai Penyusunan hirarki keputusan strategi pengembangan klaster berbasis pengetahuan Perancangan kuesioner Penilaian setiap kriteria / alternatif menggunakan skala linguistik oleh responden ahli Tidak Pemeriksaan konsistensi Ya Fuzzifikasi menggunakan Trianggular Fuzzy Number (TFN). Agregasi pendapat responden ahli n n n i =1 i =1 i =1 a l = (∏ a li )1 / n ; a m = (∏ a mi )1 / n ; a u = (∏ a u i )1 / n Normalisasi A = ( al , j ∑ i =1 a ui am , j ∑ i =1 a mi au j ∑ i =1 ) a li Defuzzifikasi dengan metode α-cut ~ α α Aα = [ al , au ] = [ (a m − al }α + al ,−( au − a m )α + au ] ~ α a ij = µaiα ju + (1 − µ ) aiα jl , ∀µ ∈ [ 0,1] Bobot aktor, perspektif, tujuan strategis dan strategi pengembangan klaster Selesai Gambar 24 Diagram alir model strategi pengembangan klaster berbasis pengetahuan Tabel 9 menyajikan fuzzifikasi dari skala AHP ke dalam bentuk peubah linguistik yang digunakan dalam penelitian ini yaitu sama penting atau equally (E), sedikit lebih penting atau weakly preferred (W), jelas lebih penting atau 66 strongly (S), sangat jelas lebih penting atau very strongly (VS) dan mutlak lebih penting atau absolutely preferred (A). Tabel 9 Penyajian fuzzy pada skala AHP Lambang Keangotaan Fuzzy Lambang Bawah Tengah Atas E 1 1 3 W 1 3 S 3 VS A Keangotaan Fuzzy Bawah Tengah Atas 1/E 1/3 1 1 5 1/W 1/5 1/3 1 5 7 1/S 1/7 1/5 1/3 5 7 9 1/VS 1/9 1/7 1/5 7 9 9 1/A 1/9 1/9 1/7 Output dari model adalah berupa bobot masing-masing kriteria serta alternatif strategi pengembangan klaster. 5.2.2 Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci Model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci menggunakan teknik analisis kesenjangan pengetahuan dan logika fuzzy. Diagram alir model dapat dilihat pada Gambar 25. Dalam penelitian ini tingkat kebutuhan atau kepentingan area pengetahuan serta kondisi pengetahuan saat ini menggunakan skala interval fuzzy dalam bentuk triangular fuzzy number (TFN) yang dikembangkan dari skala 5 titik (1-5) seperti dapat dilihat pada Tabel 10 dan Tabel 11. 67 Mulai Identifikasi alur proses sebagai area pengetahuan proses Penilaian tingkat kondisi saat ini dan kebutuhan area pengetahuan menggunakan skala linguistik oleh aktor terkait Fuzzifikasi hasil penilaian menggunakan Triangular fuzzy number Perhitungan fuzzy average untuk setiap area pengetahuan n n A javg = n ∑ a , ∑ a ,∑ a i =1 i j1 i =1 i j2 i =1 i j3 n i = 1,..., n(responden) j = 1,..., j (atribut ) Defuzzifikasi VA = Fuzzifikasi matriks kesenjangan pengetahuan menggunakan Trapezoidal Fuzzy Number Pembuatan basis aturan fuzzy a1 + 2a2 + a3 4 Nilai kondisi area pengetahuan saat ini dan kebutuhan area pengetahuan Sistem inferensi fuzzy menggunakan model Takagi Sugeno Defuzzifikasi dengan metode weighted average Area pengetahuan kunci menurut matriks kesenjangan pengetahuan dan matriks kepentingan dan performansi Selesai Gambar 25. Diagram alir model penentuan area pengetahuan kunci 68 Tabel 10. Penyajian fuzzy pada skala kondisi area pengetahuan saat ini menggunakan TFN Keterangan Triangular Fuzzy Number Bawah Tengah Atas Sangat Lemah 0 0 0,2 Lemah 0,05 0,25 0,45 Sedang 0,3 0,5 0,7 Kuat 0,55 0,75 0,95 Sangat Kuat 0,8 1 1 Tabel 11. Penyajian fuzzy pada skala kebutuhan atau kepentingan area pengetahuan saat ini menggunakan TFN Triangular Fuzzy Number Keterangan Bawah Tengah Atas 0 0 0,2 Tidak Penting 0,05 0,25 0,45 Cukup 0,3 0,5 0,7 Penting 0,55 0,75 0,95 Sangat Penting 0,8 1 1 Sangat tidak Kepentingan (Kebutuhan) penting Tinggi Sedang Rendah Stay updated zone Red Alert Zone Red Alert Zone Red Alert Zone Stay updated zone Just do it zone Stay updated zone Just do it zone Just do it zone Lemah Sedang Kondisi Saat Ini Gambar 26. Representasi fuzzy dari matriks kesenjangan pengetahuan Kuat 69 Sedangkan penempatan rata-rata tingkat kebutuhan dan kepentingan ke dalam matriks kesenjangan pengetahuan menggunakan teknik penalaran fuzzy menggunakan metode Sugeno. Penalaran dengan metode Sugeno hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy melainkan berupa konstanta atau persamaan linier. Input tingkat kebutuhan dan kepentingan disusun dalam bentuk trapezoidal fuzzy number seperti dapat dilihat pada Gambar 26. Fuzzifikasi input pada matriks kesenjangan pengetahuan menggunakan tipe trapezoidal fuzzy number seperti dapat dilihat pada Tabel 13 dan Tabel 14. Tabel 12. Penyajian fuzzy pada skala kebutuhan atau kepentingan area pengetahuan saat ini menggunakan Trapezoidal Fuzzy Number Trapezoidal Fuzzy Number Keterangan a1 a2 a3 a4 Rendah 0 0 0,25 0,375 Sedang 0,25 0,375 0,625 0,75 Tinggi 0,625 0,75 1 1 Tabel 13. Penyajian fuzzy pada skala kondisi saat ini area pengetahuan saat ini menggunakan Trapezoidal Fuzzy Number Trapezoidal Fuzzy Number Keterangan a1 a2 a3 a4 Lemah 0 0 0,25 0,375 Sedang 0,25 0,375 0,625 0,75 Kuat 0,625 0,75 1 1 Kategori Rendah (Lemah) memiliki tipe kurva trapesium, sehingga fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 0; 0; 0,25; 0,375) = 0 ; x≤0 1 ; 0 ≤ x ≤ 0,25 -8x + 3 ; 0,25 ≤ x ≤ 0,375 0 ; x ≥ 0,375 70 Kategori Sedang memiliki tipe kurva trapesium, sehingga fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 0,25; 0,375; 0,625; 0,75) = 0 ; x ≤ 0,25 8x - 2 ; 0,25 ≤ x ≤ 0,375 1 ; 0,375 ≤ x ≤ 0,625 -8x + 6 ; 0,625 ≤ x ≤ 0, 75 0 ; x ≥ 0, 75 Kategori Tinggi (Kuat) memiliki tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 0; 0; 0,25; 0,375) = 0 ; x ≤ 0,625 8x - 5 ; 0,625 ≤ x ≤ 0,75 1 ; 0,75 ≤ x ≤ 1 0 ; x≥1 5.2.3 Model Pemilihan Strategi Manajemen Pengetahuan Model pemilihan strategi manajemen pengetahuan seperti tergambarkan dalam Gambar 27 bertujuan untuk menentukan strategi manajemen pengetahuan yang paling tepat untuk mengelola area pengetahuan kunci serta mengurangi kesenjangan pengetahuan yang didapatkan dari model analisis kesenjangan pengetahuan. Seperti halnya model strategi klaster yang menggunakan teknik yang sama yaitu FAHP maka input dari model adalah hirarki keputusan pemilihan strategi yang berisi kriteria dan alternatif. Jumlah pakar yang memberikan penilaian dirancang sebanyak tiga orang pakar yaitu Dr. Uhendi Haris dari BPTK, Ibu Hani Yuhani dari Dinas Indag Jawa Barat serta Ir. Danny Hendrianto dari Ditjen Agro dan Kimia Kemenprin. Proses perhitungan FAHP menggunakan pendekatan dari Murtaza (2003) serta defuzzifikasi menggunakan pendekatan dari Fu et al. (2006) dengan menggunakan pendekatan α-cut. 71 Mulai Penyusunan hirarki keputusan pemilihan strategi manajemen pengetahuan Perancangan kuesioner Penilaian setiap kriteria / alternatif menggunakan skala linguistik oleh responden ahli Aktor dan area pengetahuan kunci Tidak Pemeriksaan konsistensi Ya Fuzzifikasi menggunakan Trianggular Fuzzy Number (TFN). Agregasi pendapat responden ahli n n n i =1 i =1 i =1 al = (∏ ali )1 / n ; a m = (∏ a mi )1 / n ; au = (∏ aui )1 / n Normalisasi A=( al , j ∑a i =1 ui am , j ∑a i =1 mi au ) j ∑a i =1 li Defuzzifikasi dengan metode α-cut ~ α α Aα = [al , au ] = [(a m − al }α + al ,−(au −a m )α + au ] ~ α = µa α + (1 − µ ) a α , ∀µ ∈ [0,1] a ij iju ijl Bobot kriteria dan alternatif strategi manajemen pengetahuan Selesai Gambar 27 Diagram alir model pemilihan strategi manajemen pengetahuan 72 5.2.4. Model Kodifikasi Pengetahuan Disain Proses Teknik fuzzy quality function deployment atau FQFD digunakan untuk mengidentifikasi keterkaitan antar karakteristik produk dan tahapan proses serta proses yang menjadi prioritas Model ini dapat terlihat pada Gambar 28. Mulai Identifikasi karakteristik teknis produk Area pengetahuan kunci Identifikasi karakteristik proses Akuisisi pengetahuan pakar Penilaian tingkat hubungan karakteristik produk dan proses oleh pakar Penilaian tingkat kepentingan karakteristik produk oleh pakar Fuzzifikasi tingkat kepentingan karakteristik produk Fuzzifikasi hubungan Karakteristik produk dengan karakteristik proses Proses Fuzzy Arithmetic (Fuzzy multiplication dan fuzzy addition) Defuzifikasi dengan Metode Centroid x* = ∫ µ . ( x). xdx ∫ µ . ( x)dx A A Tingkat Kepentingan Absolut dan Prioritas Disain Proses Pembuatan taksonomi dan peta pengetahuan Selesai Gambar 28 Diagram alir model kodifikasi pengetahuan disain proses menggunakan QFD 73 Skala linguistik kepentingan karakteristik teknis produk dan skala hubungan antara karakteristik produk dengan proses diubah menjadi interval fuzzy menggunakan TFN seperti dapat dilihat pada Tabel 14 dan Tabel 15. Tabel 14. Fuzzy Number Tingkat Kepentingan Atribut Kepentingan Triangular Fuzzy Number (TFN) Sangat Tidak Penting [0 0 0.3] Tidak Penting [0 0.25 0.5] Cukup Penting [0,3 0.5 0.7 ] Penting [0.5 0.75 1] Sangat Penting [0,7 1 1] Tabel 15. Fuzzy Number Hubungan Hubungan Triangular Fuzzy Number (TFN) Tidak ada [0 0 0,1 ] Lemah [0 0,2 0.4 ] Sedang [ 0.2 0,5 0.8 ] Kuat [ 0.6 1 1] Sedangan proses fuzzy arithmetic pada penelitian ini menggunakan rumus : Wj = (C 1j ⊗ I 1 ) ⊕ (C 2j ⊗ I 2 ) ⊕ ........... ⊕ (C nj ⊗ I n ) ; j ε {1,2,3,...,m} Dimana : I = Importance untuk tingkat kepentingan C = Correlation untuk hubungan Karena hasil hasil fuzzy arithmetic tersebut masih berupa bilangan fuzzy maka langkah selanjutnya adalah melakukan proses defuzzifikasi. Proses ini dilakukan untuk mengubah angka fuzzy menjadi angka crisp dimana dari angka crisp tersebut, kita dapat melakukan penentuan prioritas. 74 Metode defuzzifikasi yang digunakan pada penelitian ini adalah metode centroid. Metode centroid ini digunakan karena lebih sensitif dibanding metodemetode lain dalam menghitung hasil defuzzifikasi sehingga angka crisp yang dihasilkan berbeda antara proses yang satu dengan yang lain. Perhitungan nilai crisp dengan metode centroid dapat dilakukan dengan menggunakan rumus berikut : x* = ∫ µ . ( x).xdx ∫ µ . ( x)dx A A Dari hasil perhitungan defuzzifikasi diperoleh tingkat kepentingan absolut dari masing-masing karakteristik proses berupa suatu nilai crisp. Tingkat kepentingan absolut tersebut dapat diubah menjadi tingkat kepentingan relatif sehingga memudahkan dalam menentukan urutan prioritas karakteristik proses. 5.2.5. Model Kodifikasi Pengetahuan Kegagalan Proses Model ini bertujuan untuk melakukan akuisisi dan kodifikasi dari pengetahuan kegagalan proses menggunakan pendekatan fuzzy terhadap FMEA. Diagram alir model ini dapat terlihat pada Gambar 29. Nilai input sistem yang berupa nilai severity, occurrence dan detection dibagi menjadi 5 kelas (kategori), yaitu : 1. Very Low (VL) 2. Low (L) 3. Moderate (M) 4. High (H) 5. Very High (VH) 75 Mulai Fungsi keanggotaan severity, occurance dan detectabililty Akuisisi pengetahuan pakar Identifikasi kegagalan potensial pada setiap proses Penilaian tingkat keparahan dari efek yang ditimbulkan (severity) Identifikasi efek dari setiap kegagalan yang terjadi Basis Aturan Tingkat Prioritas Resiko Kegagalan Identifikasi penyebabpenyebab timbulnya kegagalan Penilaian tingkat kesulitan penyebab kecacatan terdeteksi (detection) Penilaian tingkat frekuensi penyebab kegagalan (occurrence) Sistem inferensi fuzzy dengan metode Mamdani Fungsi implikasi : MIN Komposisi Output : MAX Defuzzyfication dengan metode centroid x* = ∫ µ . ( x). xdx ∫ µ . ( x)dx A A Tingkat prioritas resiko kegagalan (fuzzy risk priority number) Perancangan sistem pakar diagnosis dan penanganan kegagalan proses Selesai Gambar 29 Diagram alir kodifikasi pengetahuan kegagalan proses menggunakan teknik FFMEA Tabel 16 menampilkan parameter fungsi keanggotaan variable input dalam FFMEA. 76 Tabel 16 Parameter fungsi keanggotaan variabel input Kategori Tipe Kurva Parameter VL Trapesium [ 0 0 1 2.5 ] L Segitiga [ 1 2.5 4.5 ] M Trapesium [ 2.5 4.5 5.5 7.5 ] H Segitiga [ 5.5 7.5 9 ] VH Trapesium [ 7.5 9 10 10 ] Fungsi keanggotaan untuk tiap kategori nilai input S, O dan D dapat ditentukan berdasarkan jenis tipe kurva yang digunakan, yaitu : • Untuk kategori Very Low (VL) dengan tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x ; 0, 0, 1, 2.5) • = 0 ; x≤0 1 ; 0≤x≤1 (2.5-x) / (2.5-1) ; 1 ≤ x ≤ 2.5 0 ; x ≥ 2.5 Untuk kategori Low (L) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 1, 2.5, 4.5) • = 0 ; x≤1 (x-1) / (2.5-1) ; 1 ≤ x ≤ 2.5 (4.5-x) / (4.5-2.5) ; 2.5 ≤ x ≤ 4.5 0 ; x ≥ 4.5 Untuk kategori Moderate (M) dengan tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 2.5, 4.5, 5.5, 7.5) = 0 ; x ≤ 2.5 (x-2.5) / (4.5-2.5) ; 2.5 ≤ x ≤ 4.5 1 ; 4.5 ≤ x ≤ 5.5 (7.5-x) / (7.5-5.5) ; 5.5 ≤ x ≤ 7.5 0 ; x ≥ 7.5 77 • Untuk kategori High (H) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 5.5, 7.5, 9) = 0 ; x ≤ 5.5 (x-5.5) / (7.5-5.5) ; 5.5 ≤ x ≤ 7.5 (9-x) / (9-7.5) ; 7.5 ≤ x ≤ 9 0 ; x≥9 • Untuk kategori Very High (H) dengan tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai input yaitu : f (x; 7.5, 9, 10, 10 ) = 0 ; x ≤ 7.5 (x-7.5) / (9-7.5) ; 7.5 ≤ x ≤ 9 1 ; 9 ≤ x ≤ 10 0 ; x ≥ 10 Nilai dari FRPN ini dibagi menjadi 9 level (kategori) yaitu : Very Low (VL),Very Low – Low (VL-L), Low (L), Low – Moderate (L-M), Moderate (M), Moderate – High (M-H),High (H), High – Very High (H-VH), Very High (VH) Tabel 17 menampilkan parameter fungsi keanggotaan variabel ouput. Tabel 17. Parameter fungsi keanggotaan variabel output Kategori Tipe Kurva Parameter VL trapesium [ 0 0 25 75 ] VL-L segitiga [ 25 75 125 ] L segitiga [ 75 125 200 ] L-M segitiga [ 125 200 300 ] M segitiga [ 200 300 400 ] M-H segitiga [ 300 400 500 ] H segitiga [ 400 500 700 ] H-VH segitiga [ 500 700 900 ] VH trapesium [ 700 900 1000 1000 ] Fungsi keanggotaan untuk tiap kategori nilai output dapat ditentukan berdasarkan jenis tipe kurva yang digunakan, yaitu : 78 • Untuk kategori Very Low (VL) dengan tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : f (x ; 0, 0, 25, 75) • = 0 ; x≤0 1 ; 0 ≤ x ≤ 25 (75-x) / (75-25) ; 25 ≤ x ≤ 75 0 ; x ≥ 75 Untuk kategori Very Low – Low (VL-L) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 25, 75, 125) • = ; x ≤ 25 atau x ≥ 125 (x-25) / (75-25) ; 25 ≤ x ≤ 75 (125-x) / (125-75) ; 75 ≤ x ≤ 125 Untuk kategori Low (L) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 75, 125, 200) = ; x ≤ 75 atau x ≥ 200 (x-75) / (125-75) ; 75 ≤ x ≤ 125 (200-x) / (200-125) ; 125 ≤ x ≤ 200 • Untuk kategori Low – Moderate (L-M) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 125, 200, 300) = ; x ≤ 125 atau x ≥ 300 (x-125) / (200-125) ; 125 ≤ x ≤ 200 (300-x) / (300-200) ; 200 ≤ x ≤ 300 • Untuk kategori Moderate (M) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 200, 300, 400) = ; x ≤ 200 atau x ≥ 400 (x-200) / (300-200) ; 200 ≤ x ≤ 300 (400-x) / (400-300) ; 300 ≤ x ≤ 400 • Untuk kategori Moderate – High (M-H) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 300, 400, 500) = ; x ≤ 300 atau x ≥ 500 (x-300) / (400-300) ; 300 ≤ x ≤ 400 (500-x) / (500-400) ; 400 ≤ x ≤ 500 79 • Untuk kategori High (H) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 400, 500, 700) = ; x ≤ 300 atau x ≥ 500 (x-400) / (500-400) ; 400 ≤ x ≤ 500 (700-x) / (700-500) ; 500 ≤ x ≤ 700 • Untuk kategori High – Very High (H-VH) dengan tipe kurva segitiga, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 500, 700, 900) = ; x ≤ 500 atau x ≥ 900 (x-500) / (700-500) ; 500 ≤ x ≤ 700 (900-x) / (900-700) ; 700 ≤ x ≤ 900 • Untuk kategori Very High (VH) dengan tipe kurva trapesium, maka fungsi keanggotaan untuk tiap-tiap nilai output yaitu : 0 f (x; 700, 900, 1000, 1000) = ; x ≤ 700 (x-700) / (900-700) ; 700 ≤ x ≤ 900 1 ;900 ≤ x ≤ 1000 0 ;x≥d Untuk proses fuzzifikasi mengubah nilai RPN menjadi Fuzzy RPN, digunakan metode penalaran Mamdani karena baik input yang berupa nilai severity, occurrence dan detection maupun output yaitu nilai fuzzy RPN (FRPN) sistem merupakan himpunan fuzzy. Metode penalaran Mamdani menggunakan fungsi implikasi MIN. Sistem pakar yang dibuat adalah sistem pakar diagnosis dan penanganan kegagalan proses dalam proses produksi barang jadi lateks. Basis pengetahuan sistem pakar ini menggunakan informasi dari FMEA. Pengetahuan yang diakuisisi berkisar pada pengetahuan mengenai jenis kegagalan proses, efek kegagalan proses, penyebab kegagalan proses serta upaya penanggulannya. Setelah pengetahuan diakuisisi, pengetahuan ini diorganisasir dan diatur dalam sistem berbasis-aturan (rule-based system). Model dapat dilihat pada Gambar 30. 80 Jenis Kegagalan Proses Efek Kegagalan Proses Penyebab Kegagalan Proses Upaya Penanggulangan Diagnosis Kegagalan Proses Akuisisi Pengetahuan Fakta-fakta Awal Upaya Penanggulangan Memori Kerja Basis Data Basis Pengetahuan Antarmuka Output MESIN INFERENSI Sistem Pakar Antarmuka Input Yes-no Question Gambar 30. Diagram konseptual sistem pakar rekomendasi penanggulangan kegagalan proses 5.3 Sistem Manajemen Basis Data Sistem manajemen basis data didasarkan pada Microsoft excel dikarenakan program sistem pendukung keputusan yang digunakan adalah Visual Basic for Applications (VBA) sebagai bahasa pemrograman untuk produk-produk Microsoft Office (Office). Untuk keperluan model tersebut terdapat lima basis data yaitu basis data pemilihan strategi pengembangan klaster, basis data pemilihan strategi manajemen pengetahuan, basis data penentuan area pengetahuan kunci dengan menggunakan analisis kesenjangan pengetahuan, basis data kodifikasi pengetahuan disain proses dengan menggunakan FQFD serta basis data kodifikasi pengetahuan kegagalan proses dengan menggunakan FFMEA. 5.4 Sistem Manajemen Dialog Sistem manajemen dialog yang dirancang dalam SPK strategi pengetahuan memiliki fungsi utama untuk menerima masukan dari pengguna dan memberikan keluaran atau hasil yang dikehendaki kepada pengguna. 81 6 HASIL DAN ANALISIS STRATEGI PENGETAHUAN 6.1 Model Strategi Pengembangan Klaster dan Area Pengetahuan Terkait Model ini dikembangkan dari model strategi pengetahuan oleh Zack (1999) yang menyatakan bahwa strategi pengetahuan harus selaras dengan strategi bisnis suatu perusahaan. Model ini digunakan digunakan dalam konteks klaster industri untuk menentukan strategi pengembangan klaster dan area pengetahuan kunci yang terkait dengan inisiatif pengembangan klaster. Inisiatif tersebut dipilih berdasarkan keterkaitannya dengan tujuan strategis pengembangan klaster. Tujuan tersebut dibangun menggunakan model yang dikembangkan oleh Carpinetti (2008). Model yang dikembangkan dari model Balanced scorecard tersebut berdasarkan empat perspektif untuk mengukur kinerja suatu klaster industri yaitu Kinerja perusahaan, Hasil Sosial/Ekonomi, Efisiensi Kolektif dan Modal Sosial. Adapun tujuan-tujuan strategis dalam kinerja perusahaan adalah peningkatan pasar serta peningkatan produktivitas dan kualitas. Tujuan-tujuan strategis dalam perspektif hasil sosial/ekonomi adalah peningkatan lapangan pekerjaan, dan peningkatan ketersediaan tenaga kerja terspesialisasi, peningkatan kemampuan inovasi dan peningkatan konsumsi karet alam. Tujuan strategis dalam efesiensi kolektif adalah penurunan biaya dan peningkatan kerjasama. Tujuan strategis dalam perspektif modal sosial adalah peningkatan jumlah anggota klaster yang terlibat dalam kerjasama. Inisiatif klaster ditetapkan ada 3 yaitu inovasi dan teknologi (peningkatan kemampuan produksi, difusi teknologi dan standar teknik), kerjasama komersial (pemasaran ekspor dan pengadaan bahan baku) serta pengembangan bisnis. Pilihan strategi tersebut didasarkan pada penelitian Ketels et al.(2008) dan Solvell (2009) bahwa inisiatif klaster dapat dibagi menjadi enam kelompok yaitu peningkatan kemampuan sumber daya manusia (human resource upgrading), ekspansi klaster (Cluster expansion), pengembangan bisnis (business development), kerja sama komersial (commercial collaboration), inovasi dan teknologi (Innovation and technology) serta peningkatan lingkungan bisnis (business environment upgrading). Secara lengkap model hirarki keputusan dapat dilihat pada Gambar 31. 82 Pengembangan Klaster Industri Barang Jadi Lateks S Menengah Fokus Aktor Penggerak Inisiatif Pemerintah Industri Perspektif Kinerja Perusahaan Hasil Sosial/ Ekonomi Tujuan Strategis Peningkatan Pasar Inisiatif Klaster Peningkatan Lapangan Pekerjaan Peningkatan Produktivitas dan Kualitas Pengembangan Bisnis Efisiensi Kolekt Penurunan Bia Peningkatan Tenaga Kerja Terspesialisasi Kerjasama komersial Inovasi dan teknologi Pengetahuan proses pemasaran dan pengadaan bahan baku Pengetahuan inovasi dan teknologi proses produksi Peningkatan kemampuan inovasi Area Pengetahuan Kunci Pengetahuan perencanaan bisnis Peningkatan Gambar 31 Model Pemilihan Strategi Pengembangan Klaster Hirarki keputusan yang dihasilkan kemudian menjadi dasar dalam perancangan kuesioner seperti dapat dilihat pada Lampiran 1. Berdasarkan hasil verifikasi model strategi pengembangan klaster dengan melibatkan 3 orang pakar yaitu Kepala Balai Penelitian Teknologi Karet Bogor, Ketua Program Klaster dari Dinas Perindustrian dan Perdagangan Jawa Barat serta salah seorang pelaku usaha UKM barang celup lateks dapat diketahui bahwa aktor yang memiliki prioritas tertinggi dalam pengembangan klaster adalah industri dan lembaga pendukung dengan bobot sebesar 0,44 diikuti oleh Pemerintah (0,28) dan industri (0,26) seperti dapat dilihat pada Tabel 18. Hasil penilaian masing-masing responden dapat dilihat pada Lampiran 2. Tabel 18. Prioritas Aktor Utama dan Perspektif Pengembangan Klaster Bobot Kinerja Hasil Sosial/ Efisiensi Modal Aktor Perusahaan Ekonomi Kolektif Sosial Industri 0.27 0.58 0.12 0.23 0.07 Pemerintah 0.29 0.15 0.51 0.25 0.09 Lembaga Pendukung 0.44 0.19 0.24 0.47 0.10 0.28 0.29 0.34 0.09 Aktor Utama Bobot Perspektif Peningkatan Kerja Sama 83 Prioritas tertinggi perspektif pengembangan klaster berturut-turut adalah perpektif efisiensi kolektif dengan bobot 0,34, hasil sosial/ekonomi dengan bobot 0,29, kinerja perusahaan dengan bobot 0,29 serta perspektif modal sosial dengan bobot 0,09 seperti dapat dilihat pada Tabel 18. Terlihat di sini bahwa bobot perspektif modal sosial yang dapat diartikan sebagai seperangkat hubungan horizontal antar orang (Putnam, 1993) masih merupakan bobot terkecil yang dipertimbangkan dalam memilih strategi pengembangan klaster. Pertalian interpersonal antar pengusaha UKM, pemasok bahan serta peneliti dari perguruan tinggi atau balai penelitian yang membentuk modal sosial dipercaya akan memfasilitasi terjadinya kerjasama dan berbagi informasi atau pengetahuan (Kusbiantono et al, 2005). Pertimbangan para responden pakar lebih memandang perspektif efisiensi kolektif sebagai perspektif prioritas dikarenakan memang perspektif ini merupakan proses bisnis yang terjadi secara nyata dalam klaster. Sureephong (2007) menyatakan bahwa dalam efisiensi kolektif, tidak hanya informasi dan pengetahuan yang dapat dibagi antar anggota klaster, tetapi juga sumber daya dan kekuatan negosiasi seperti permintaan bahan baku yang digabung untuk menurunkan biaya, infrastruktur dan sebagainya. Contoh perhitungan perbandingan antar perspektif dapat dilihat pada Lampiran 3. Penilaian terhadap tujuan strategis pengembangan klaster menghasilkan bobot secara berurutan dari yang terbesar adalah peningkatan kerjasama (0,26), peningkatan produktivitas dan kualitas (0,18), perluasan pasar (0,11), peningkatan kemampuan inovasi (0,09), peningkatan jumlah anggota klaster aktif (0,09), peningkatan lapangan pekerjaan (0,08), penurunan biaya (0,08), peningkatan tenaga kerja terspesialisasi (0,07) dan peningkatan konsumsi karet alam (0,03) seperti dapat dilihat pada Tabel 19. Sejalan dengan perspektif efisiensi kolektif yang memiliki bobot terbesar, maka peningkatan kerjasama yang merupakan salah satu tujuan strategis dalam perspektif efiensi kolektif juga memiliki bobot terbesar. Inisiatif strategi pengembangan klaster yang memiliki bobot terbesar pada inovasi dan teknologi dengan bobot 0,53 diikuti oleh pengembangan bisnis sebesar 0,24 dan kerjasama komersial sebesar 0,22. Dengan terpilihnya inovasi dan teknologi sebagai strategi terpilih, hal ini berarti pengetahuan yang 84 menunjang proses inovasi dan teknologi merupakan pengetahuan kunci atau kritikal dalam pengembangan klaster Tabel 19 Prioritas Tujuan Strategis dan Strategi Pengembangan Klaster Pengembangan Kerjasama Inovasi dan Model Bisnis Komersial Teknologi Weights Tujuan Strategis Perluasan Pasar 0.23 0.34 0.43 Peningkatan Produktivitas & Kualitas 0.13 0.17 0.70 Peningkatan Lap. Pekerjaan 0.54 0.13 0.33 Peningkatan TK Terspesialisasi 0.17 0.13 0.70 Peningkatan Kemampuan Inovasi 0.22 0.28 0.50 Peningkatan Konsumsi Karet Alam 0.20 0.13 0.68 Penurunan Biaya 0.29 0.61 0.10 Peningkatan Kerja Sama 0.22 0.14 0.64 Peningkatan jumlah anggota klaster aktif 0.32 0.20 0.47 Bobot Alternatif Strategi 0.24 0.22 0.53 6.2 Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci Berdasarkan verifikasi model sebelumnya diketahui bahwa pengetahuan teknologi proses merupakan pengetahuan terkait untuk mendukung strategi inovasi dan teknologi dalam rangka pengembangan klaster industri barang jadi lateks dengan lembaga pendukung sebagai aktor utama. Oleh karena itu kualitas sumber daya manusia dalam lembaga pendukung seperti pada Pusat Penelitian Karet atau Balai Penelitian Teknologi Karet (BPTK) Bogor sangat menentukan dalam pengembangan klaster. Oleh karena itu analisis kesenjangan pengetahuan dilakukan pada beberapa peneliti yang berasal dari BPTK Bogor yaitu Arif Ramadhan, STP, Hendry Prastanto, ST, M.Eng, Hani Handayani, SSi dan Dr. Ary A Alfa. Setiap responden ahli ditanyakan mengenai tingkat kepentingan dan tingkat kondisi saat ini dari masing-masing area pengetahuan teknologi proses. Data hasil penilaian responden dapat dilihat pada Lampiran 6. 0.11 0.18 0.08 0.07 0.09 0.03 0.08 0.26 0.09 1.00 85 Area pengetahuan dalam proses produksi barang celup teridentifikasi dalam 18 area pengetahuan yang dimulai dari formulasi kompon lateks, formulasi koagulan, pemeriksaan bahan baku sampai dengan pemeriksaan produk akhir dan analisis kegagalan. Adapun contoh penilaian tingkat kondisi saat ini dan kepentingan dari salah seorang responden pakar dapat dilihat pada Gambar 32. Gambar 32 Tampilan input penilaian setiap area pengetahuan Nilai rata-rata dari keempat responden yang didapatkan dari proses ratarata fuzzy dari keempat responden dan kemudian dilanjutkan dengan defuzzifikasi pada masing-masing area pengetahuan dapat dilihat pada Gambar 33. Nilai X-bar mewakili rata-rata kondisi saat ini dan nilai Y-bar mewakili rata-rata kepentingan atau kebutuhan. 86 Gambar 33 Tampilan output penilaian setiap area pengetahuan Sistem Penalaran Fuzzy dalam Analisis Kesenjangan Pengetahuan Sistem penalaran fuzzy menggunakan 2 input yaitu tingkat kebutuhan dan kondisi saat ini area pengetahuan yang dikemas dalam bentuk trapezoidal fuzzy number seperti dapat dilihat pada Gambar 34. Gambar 34 Penyajian tingkat kondisi saat ini dalam bentuk trapezoidal fuzzy number 87 Adapun basis aturan yang dibangun untuk menentukan atribut setiap area pengetahuan terdapat 9 aturan seperti dapat dilihat pada Gambar 35. Gambar 35 Basis aturan dalam sistem penalaran fuzzy dengan metode Sugeno Nilai output yang dihasilkan dengan input tingkat kebutuhan sebesar 0,74 dan tingkat kondisi saat ini sebesar 0,55 dapat dilihat pada Gambar 36. Gambar 36 Contoh nilai output sistem penalaran fuzzy dengan metode Sugeno 88 Adapun perhitungan manual untuk input kepentingan sebesar 0,74 dan kondisi saat ini sebesar 0,55 adalah sebagai berikut : Evaluasi aturan : α1= min ( α Rendah [0,74] , α Lemah [0,55] ) = min ( 0 ; 0 ) = 0 Nilai konsekuen output area pengetahuan =2 α2= min ( α Rendah[0,74] , α Sedang [0,55]) = min ( 0 ; 1 ) = 0 Nilai konsekuen output area pengetahuan =3 α3= min ( α Rendah[0,74] , α Kuat [0,55]) = min ( 0 ; 0) = 0 Nilai konsekuen output area pengetahuan =3 α4= min ( α Sedang [0,74] , α Lemah [0,55]) = min ( 0,08 ; 0) = 0 Nilai konsekuen output area pengetahuan =1 α5= min ( α Sedang [0,74] , α Sedang [0,55]) = min ( 0,08 ; 1) = 0,08 Nilai konsekuen output area pengetahuan =2 α6= min ( α Sedang [0,74] , α Kuat [0,55]) = min ( 0,08; 0) = 0 Nilai konsekuen output area pengetahuan =3 α7= min ( α Tinggi [0,74] , α Lemah [0,55]) = min ( 0,92 ; 0) = 0 Nilai konsekuen output area pengetahuan =1 α8 = min ( α Tinggi [0,74] , α Sedang [0,55]) = min ( 0,92 ; 1) = 0,92 Nilai konsekuen output area pengetahuan =1 α9 = min ( α Tinggi [0,74] , Kuat [0,55]) = min ( 0,92 ;1) = 0 Nilai konsekuen output area pengetahuan =2 Metode defuzzifikasi yang digunakan untuk model sugeno ini adalah dengan rata-rata terbobot (weighted average) sehingga diperoleh output sebagai berikut : Output1 = 0 x 2 + 0 x3 + 0 x3 + 0 x1 + 0,08 x 2 + 0 x3 + 0 x1 + 0,92 x1 + 0 x 2 = 1,08 0 + 0 + 0 + 0,08 + 0 + 0 + 0,92 + +0 Berdasarkan hasil perhitungan dengan bantuan paket program Matlab dapat diketahui atribut dari masing-masing area pengetahuan dalam matriks kesenjangan pengetahuan seperti terlihat pada Tabel 20. Area pengetahuan yang terdeteksi masuk dalam area 3 (red alert zone) adalah 9 area pengetahuan yaitu formulasi kompon, formulasi koagulan, pemeriksaan bahan baku, pembuatan 89 dispersi, pemeriksaan dispersi, pencelupan kompon, pencucian, vulkanisasi, dan pemeriksaan produk serta analisis kegagalan. Tabel 20. Daerah pengembangan dari masing area pengetahuan X-bar (Saat ini) 0,44 Z (Daerah Pengembangan) Area Pengetahuan Formulasi kompon Y-bar (Kebutuhan/ Kepentingan) 0,90 Formulasi koagulan 0,74 0,55 1,08≈1 (red alert zone) Pemeriksaan bahan baku 0,80 0,64 1,12≈1 (red alert zone) Pembuatan dispersi 0,90 0,62 1 (red alert zone) Pembuatan koagulan 0,68 0,50 1,56≈2 (stay updated zone) Pencampuran dispersi dan 0,56 0,64 1 (red alert zone) 2 ,12≈ 2(stay updated zone) pemeraman Pemeriksaan dispersi 0,75 0,50 1 (red alert zone) Pembersihan cetakan 0,63 0,50 1,96≈2 (stay updated zone) Pencelupan koagulan 0,63 0,57 1,96≈2 (stay updated zone) Pencelupan kompon 0,84 0,55 1 (red alert zone) Pengeringan awal 0,56 0,50 2 (stay updated zone) Pembuatan cincin 0,56 0,44 2 (stay updated zone) Pencucian 0,74 0,50 1,08≈1 (red alert zone) Vulkanisasi 0,90 0,57 1 (red alert zone) Pembedakan 0,50 0,50 2 (stay updated zone) Pelepasan 0,56 0,62 2 (stay updated zone) Pembersihan powder 0,56 0,50 2 (stay updated zone) Pemeriksaan produk dan 0,90 0,48 analisis kegagalan 1 (red alert zone) 6.3 Model Strategi Manajemen Pengetahuan Pemilihan strategi manajemen pengetahuan menggunakan teknik fuzzy AHP dengan alternatif strategi yaitu strategi kodifikasi, strategi personalisasi dan strategi kombinasi seperti dapat dilihat pada Gambar 37. Pilihan alternatif tersebut didapatkan dari Nicolas (2004) dan Wu (2007). Strategi ini diperlukan untuk mengatasi adanya kesenjangan pengetahuan pada aktor utama pelaksana strategi 90 inovasi dan teknologi serta mengelola area pengetahuan kunci yang telah teridentifikasi pada model sebelumnya. Strategi kodifikasi menekankan pada aspek teknologi untuk akuisisi, penyimpanan dan penyebaran pengetahuan dari pakar. Strategi personalisasi menekankan pada peningkatan pertemuan atau komunikasi antar pengguna pengetahuan atau antar penguna pengetahuan dengan pakar baik secara langsung, email atau melalui portal web. Pemilihan Strategi Manajemen Pengetahuan Fokus Dukungan Pemerintah Kriteria Alternatif Komunikasi Strategi Kodifikasi Budaya dan Orang Strategi Personalisasi Waktu Biaya Kombinasi Gambar 37 Model Keputusan Pemilihan Strategi Manajemen Pengetahuan Kuesioner pemilihan strategi manajemen pengetahuan dapat dilihat pada Lampiran 4. Berdasarkan verifikasi model strategi manajemen pengetahuan dapat diketahui bahwa strategi yang paling sesuai untuk mendukung strategi inovasi dan teknologi dengan pengetahuan proses produksi sebagai area pengetahuan kuncinya adalah strategi kombinasi (0,51) dibandingkan dengan strategi personalisasi (0,27) dan kodifikasi (0,22). Hal ini sejalan dengan hasil penelitian dari Nicolas (2004) yang menunjukkan bahwa strategi kombinasi atau sosialisasi semakin banyak digunakan (53%). Bobot kriteria yang paling dipentingkan untuk menjalankan strategi tersebut berturut-turut berdasarkan tingkat kepentingannya adalah budaya dan orang (0,41), dukungan pemerintah (0,24), komunikasi (0,16), biaya (0,13) dan waktu (0,06). Kriteria budaya dan orang yang memiliki bobot tertinggi serta lebih besarnya bobot strategi personalisasi dibandingkan bobot strategi kodifikasi dikarenakan strategi ini memang dirancang untuk mendukung strategi inovasi dan teknologi untuk pengembangan klaster. Pengetahuan tacit dari hasil personalisasi dipercaya sebagai pendorong utama dari proses inovasi (Tuomi, 2002). Contoh hasil perbandingan berpasangan dapat dilihat pada Lampiran 5. 91 6.4. Model Kodifikasi Pengetahuan Disain Proses Model kodifikasi disain proses digunakan untuk mengakuisisi dan mengkodifikasi pengetahuan disain proses barang celup lateks dengan kasus pada produk sarung tangan. Berdasarkan model ini pula dapat diketahui prioritas disain proses yang perlu ditindaklanjuti dengan pembuatan peta pengetahuan. Model dikemas dalam bentuk rumah kualitas level 2 yang menjelaskan hubungan antara parameter karakteristik produk dengan karakteristik. proses. Nilai tingkat kepentingan karakteristik produk yang didapatkan dari pakar dapat dilihat pada Tabel 21 Tabel 21 Tingkat Kepentingan Atribut Barang Celup No Atribut Tingkat Kepentingan 1 Tebal Sangat Penting 2 Kebocoran terhadap udara Sangat Penting 3 Tegangan putus min 23,5 Penting 4 Perpanjangan putus min 750 Penting 5 Penting 8 Pengusangan yang dipercepat Tegangan putus setelah pengusangan dipercepat min 17,7 Perpanjangan putus setelah pengusangan dipercepat min 560 Tegangan tarik 9 Tidak ada perubahan warna Penting 10 Tidak ada cacat fisik Penting 11 Kandungan protein Penting 12 Kandungan nitrosamine Penting 13 Kandungan ZnO Penting 6 7 Cukup Penting Cukup Penting Cukup Penting Berdasarkan pandangan pakar dapat diketahui bahwa hal yang terpenting dari produk sarung tangan adalah tidak boleh ada lubang atau kobocoran karena fungsi utama dari sarung tangan khususnya sarung tangan medis adalah mencegah kontaminasi melalui darah. Faktor ketebalan juga menjadi indikator yang sangat penting karena langsung dapat dirasakan dan terlihat. Hubungan antara karakteristik produk dengan karakteristik proses dapat dilihat pada Gambar 38. 92 93 Karakteritik ketebalan produk sangat dipengaruhi oleh kondisi lateks pekat, formulasi koagulan, serta kondisi proses saat pencelupan koagulan dan pencelupan kompon lateks. Kondisi saat lateks saat penerimaan dapat bervariasi mulai dari kadar karet kering (KKK) 60 % atau lebih rendah lagi. Bila KKK lebih besar tentu akan menghasilkan ketebalan produk yang lebih tinggi karena lebih kental. Formulasi koagulan juga berpengaruh kuat karena fungsinya untuk menarik lateks sebanyak mungkin. Beberapa produk yang tipis seperti kondom tidak memakai koagulan karena produk tipis. Produk balon koagulannya encer dan waktu tinggal di lateks tidak lama. Koagulannya menggunakan senyawa ion CaCl2 atau CaNO 3 . Beberapa produk tebal seperti spigmomanometer atau komponen tensimeter menggunakan jenis bentonit sebagai koagulan. Pencelupan cetakan ke dalam koagulan dan kompon lateks juga memiliki hubungan kuat dengan pencapaian ketebalan produk yang diinginkan. Bila hanya sebentar maka sifat pembasahan dari koagulan sangat rendah sehingga nantinya kompon lateks hanya menempel tipis. Karakteristik teknis produk tidak bocor atau tidak adanya pinhole atau fisheye memiliki karakteristik kuat terhadap formulasi anti busa. Hal ini dikarenakan timbulnya busa pada kompon lateks dapat menyebabkan kebocoran. Bahan anti ditambahkan ke dalam kompon lateks sebanyak 0,01-0,3 % dari volume kompon lateks. Buih dalam kompon lateks biasanya dihilangkan juga dengan mendiamkan kompon lateks minimal semalam. Biasanyan timbul busa saat pengadukan sehingga perlu waktu diam yang cukup untuk menghilangkan busa. Timbulnya kebocoran antara lain juga karena saat pencelupan kompon dengan hubungan sedang. Bila kompon lateks terlalu banyak mengandung sabun serta pengadukan yang tidak hati-hati sehingga menimbulkan buih maka akan mengakibatkan kebocoran pada produk. Sifat-sifat fisika produk barang jadi lateks seperti tegangan putus, perpanjangan putus dan modulus memiliki hubungan kuat dengan sistem vulkanisasi seperti dapat dilihat pada Gambar 38. Hal ini dikarenakan tegangan putus ditentukan oleh reaksi atau ikatan antar rantai karet melalui jembatan sulfur yang disebut dengan reaksi ikatan silang. Jenis pencepata atau katalis pada reaksi ikatan silang, dosis, dan perbandingan sulfur berpengaruh terhadap sifat-sifat 94 fisika seperti tegangan putus, perpanjangan putus dan kekerasan. Selain itu sifat fisika juga memiliki hubungan kuat dengan anti oksidan yang memang fungsinya untuk menjaga penurunan sifat fisika. Sifat fisika juga memiliki hubungan kuat dengan pencampuran lateks dengan dispersi bahan kimia serta pemeraman. Hal ini ditentukan oleh sifat homogenitas bahan kimia karet dengan lateks dan pemeraman terkait dengan kematangan. Makin lama diperam akan makin kuat sifat fisikanya. Karakteristik tidak ada perubahan warna memiliki hubungan kuat dnegan bahan pewarna. Jika yang digunakan adalah bahan pewarna organik (pewarna yang bagus) maka tidak terjadi perubahan warna. Biasanya yang dipakai anorganik sehingga bisa jadi pudar. Titan bersifat anorganik dan biasanya digunakan hanya sebagai pemutih. Timbulnya cacat fisika memiliki hubungan kuat dengan lateks pekat dimana bila lateks sudah mengalami prakoagulasi maka dapat dipastikan akan timbul kecacatan pada produk. Bahan penstabil yang kurang serta ketiadaan anti busa juga dapat menyebabkan cacat fisik pada produk. Kandungan protein pada lateks memiliki hubungan kuat dengan lateks pekat karena memang lateks mengandung protein spesifik yang menimbulkan alergi. Bila dilakukan proses pencucian maka sebagian protein terlarut akan terbuang bersama dengan pencucian. Klorinasi juga berpengaruh untuk mengurangi protein dan pelapisan sekaligus. Kandungan bahan karsinogenik juga terkit dengan jenis pengawet lateks pekat. Bila menggunakan TZ tetapi perkembangan terakhir tidak terlalu berpengaruh karena jumlahnya sangat kecil. Jenis tiuram yang berada dalam TZ bersifat karsinogenik. TMTD precursor karsinogenik nitrosamine walaupun kecil. Berdasarkan hubungan antara karakteristik produk dengan karakteristik proses maka dapat ditentukan bobot masing-masing karakteristik proses untuk dapat diketahui manakah karaktersitik disain proses yang paling menentukan dalam pencapaian karaktersitik produk yang diinginkan. Tabel 22 menyajikan nilai bobot dan peringkat dari masing-masing karakteristik proses. 95 Tabel 22 Hasil Defuzzifikasi Karakteristik Proses No. Karakteristik Teknis Triangular Fuzzy Number (TFN) Kepentingan Absolut Kepentingan Relatif Peringkat 1 Lateks Pekat [ 1,42 4,175 6,62 ] 4,072 8,60% 4 2 Penstabil [ 0,3 0,95 2,41 ] 1,220 2,58% 16 3 Sistem vulkanisasi [ 1,64 4,85 7,8 ] 4,763 10,06% 2 4 Anti Busa [ 0,72 1,75 3,01 ] 1,827 3,86% 10 5 Pewarna [ 0,4 1,125 2,81 ] 1,445 3,05% 15 6 Antioksidan [ 1,34 3,75 6,3 ] 3,797 8,01% 6 7 Pengisi [ 0,4 1,85 4,52 ] 2,257 4,76% 9 8 Koagulan [ 0,52 1,375 2,81 ] 1,568 3,31% 13 9 Dispersi [ 1,28 3,65 5,9 ] 3,610 7,62% 7 10 Pencampuran [ 1,38 4,075 6,6 ] 4,018 8,48% 5 11 Pembersihan [ 0,1 0,725 2,51 ] 1,112 2,35% 17 12 Pencelupan [ 0,52 2,175 4,34 ] 2,345 4,95% 8 13 Pencelupan [ 1,64 4,875 8,18 ] 4,898 10,34% 1 14 Pematangan [ 1,68 4,65 7,06 ] 4,463 9,42% 3 15 Pembedakan [ 0,6 1,5 3,01 ] 1,703 3,60% 11 16 Pelepasan [ 0,3 0,75 2,11 ] 1,053 2,22% 18 17 Pencucian [ 0,3 1,35 3,34 ] 1,663 3,51% 12 18 Tumbler [ 0,1 1,125 3,44 ] 1,555 3,28% 14 Perhitungan defuzzifikasi untuk masing-masing karakteristik teknis menggunakan pendekatan centroid. Contoh perhitungan TFN pada Tabel 22 dapat dilihat pada Lampiran 11. Sedangkan untuk perhitungan defuzzifikasi Karakteristik / Lateks Pekat seperti pada Tabel 22 didapatkan nilai pembilang dan penyebut sebagai berikut : Pembilang = = = = 10,586 Penyebut Sehingga didapatkan nilai defuzzifikasi seperti dapat dilihat pada Tabel 22. x* = ∫ µ . ( x).xdx ∫ µ . ( x)dx A A = 10,586 = 4,072 2,6 Berdasarkan tabel 22 dapat diketahui bahwa peringkat tertinggi adalah proses pencelupan kompon, sistem vulkanisasi, pematangan atau vulkanisasi serta 96 kondisi dan jenis lateks pekat serta kelima adalah pencampuran dan pemeraman kompon lateks. Beberapa pengetahuan tersebut kemudian dikodifikasi dalam bentuk taksonomi pengetahuan dan peta pengetahuan seperti dapat dilihat pada Gambar 39. Gambar 39 Taksonomi pengetahuan proses barang celup lateks 6.4. Model Kodifikasi Pengetahuan Kegagalan Proses Model kodifikasi pengetahuan kegagalan proses bertujuan untuk mengakusisi pengetahuan mengenai kegagalan proses sebagai bagian dari konversi pengetahuan tacit menjadi explisit serta mendapatkan bobot bentuk kegagalan proses yang memiliki nilai resiko terbesar dengan menggunakan metode FFMEA. Berdasarkan wawancara dengan pihak pabrik sarung tangan lateks dapat diketahui bahwa bahwa dalam proses pembuatan sarung tangan lateks terdapat 24 bentuk kegagalan proses yang biasa ditemukan. Bentuk kegagalan proses tersebut dikodekan dari F1 s/d F24. Bentuk-bentuk kegagalan proses pada masing-masing proses dapat dilihat pada Tabel 23. Kemudian dari masing proses tersebut ditanyakan dampak atau efek kegagalannya serta diberikan rating mengenai seberapa serius dampaknya dengan skala 1 s/d 10. Setelah itu wawancara dilanjutkan dengan menanyakan penyebab dari masing—masing kegagalan proses serta diberikan penilaian mengenai frekuensi kemunculan penyebab serta mudah tidaknya penyebab tersebut dideteksi. Perhitungan nilai risk priority number (RPN) yang besar menandakan 97 bahwa nilai severity, occurance dan detectability memilki angka penilaian yang besar. Pendekatan fuzzy yang digunakan dalam menentukan RPN memilki pola yang berbeda dengan perhitungan RPN biasa yang hanya dengan cara perkalian. Tabel 23 Bentuk-bentuk kegagalan proses dalam proses sarung tangan lateks Proses Penerimaan lateks Dispersi bahan kimia Bentuk Kagagalan Proses Waktu kemantapan mekanik kurang (120 cps) Lateks mengandung banyak sabun Umur bahan kimia sudah atau mendekati kadaluarsa Hasil dispersi tidak sempurna Pengomponan lateks Timbul busa pada kompon lateks Penerimaan bahan kimia Pemeraman lateks Lateks kompon kurang homogen Timbul gumpalan-gumpalan kecil kompon Masih terdapat buih pada kompon lateks Kode F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 Pembuatan koagulan Viskositas koagulan terlalu rendah F11 Pencelupan cetakan dalam koagulan Tingkat pembasahan (wetting) kurang Lapisan koagulan tidak rata pada cetakan F12 F13 dalam Timbul buih pada saat pencelupan lateks F14 Terdapat kotoran pada cetakan dan lateks Hasil pencelupan tidak rata Produk kurang kering F15 Pencucian Pengovenan Gulungan kurang padat Pencucian kurang bersih Terlalu matang F18 F19 F20 Pemberian powder Kurang matang Powder kurang merata F21 F22 Stripping Lengket dan sulit dilepas F23 Tumbling Lengket dan berubah bentuk F24 Pencelupan ke kompon lateks ke Pengeringan hasil celup dan bending F16 F17 98 Fuzzy logic menggunakan aturan-aturan fuzzy yaitu dengan if-then rules. Karena terdapat tiga variabel input dalam FMEA (severity, occurrence dan detection), dimana tiap-tiap variabel input ini dikelompokkan menjadi 5 kategori (Very Low – Very High), maka terdapat 125 rules yang digunakan dapat dilihat pada Lampiran. Berdasarkan rules tersebut dapat disimpulkan bahwa severity merupakan faktor yang paling menentukan untuk nilai FRPN. Dari rules di atas, dapat dilihat bahwa apabila nilai severity termasuk kategori very high akan menghasilkan nilai FRPN yang juga berada dalam kategori very high, berapapun nilai occurrence dan nilai detection-nya. Untuk proses fuzzifikasi mengubah nilai RPN menjadi Fuzzy RPN, digunakan metode penalaran Mamdani karena baik input yang berupa nilai severity, occurrence dan detection maupun output yaitu nilai fuzzy RPN (FRPN) sistem merupakan himpunan fuzzy. Metode penalaran Mamdani menggunakan fungsi implikasi MIN. Tampilan basis aturan dapat pada Gambar 40. Basis aturan secara lengkap dapat dilihat pada Lampiran 7. Berdasarkan konfirmasi dengan pakar dalam menyusun basis aturan, dapat disimpulkan bahwa severity merupakan faktor yang paling menentukan untuk nilai FRPN. Dalam Lampiran 7 dapat dilihat bahwa apabila nilai severity termasuk kategori very high akan menghasilkan nilai FRPN yang juga berada dalam kategori very high, berapapun nilai occurrence dan nilai detection-nya. Gambar 40 Rule Editor Untuk Sistem Fuzzy 99 Tabel 24 Nilai FRPN Fungsi Proses Kegagalan pada Proses S O D FRPN Waktu kemantapan mekanik kurang (120 cps) 7 2 6 632 5 3 674 Lateks mengandung banyak sabun 8 3 4 748 Umur bahan kimia sudah atau mendekati kadaluarsa 5 2 1 300 2 5 3 4 6 8 6 2 3 2 2 2 708 708 748 708 883 883 Penerimaan lateks Penerimaan bahan kimia Dispersi bahan kimia Pengomponan lateks Pemeraman kompon lateks Pembuatan koagulan Pencelupan cetakan ke dalam koagulan Pencelupan ke dalam kompon lateks Hasil dispersi tidak sempurna 8 Timbul busa pada kompon lateks 9 Lateks kompon kurang homogen 5 4 3 461 Timbul gumpalan-gumpalan kecil 3 4 3 356 Masih terdapat buih pada kompon lateks 9 3 2 883 Viskositas koagulan terlalu rendah 7 3 2 595 Tingkat pembasahan (wetting) kurang 7 6 2 632 Lapisan koagulan tidak rata pada cetakan 2 5 708 8 3 3 748 Timbul buih pada saat pencelupan lateks 4 3 4 3 7 404 448 Terdapat kotoran pada cetakan dan lateks 3 3 3 356 Hasil pencelupan tidak rata 3 5 6 401 100 Tabel 24 Nilai FRPN (lanjutan) Fungsi Proses Kegagalan pada Proses S O D FRPN Pengeringan hasil celup dan bending Produk kurang kering Gulungan kurang padat 5 4 3 3 2 2 364 318 Pencucian (post leaching) Pencucian kurang bersih 4 3 3 404 3 2 155 2 2 155 3 2 318 2 2 318 3 2 2 3 3 3 2 2 5 2 356 258 258 356 258 3 4 356 Terlalu matang 2 Pengovenan Kurang matang 4 Pemberian powder Powder kurang merata 3 Stripping Lengket dan sulit dilepas 3 Tumbling Lengket dan berubah bentuk 3 Tabel 24 menyajikan nilai output tingkat prioritas resiko untuk masingmasing kegagalan proses serta penyebabnya. Dapat diketahui bahwa beberapa jenis kegagalan proses memiliki nilai terbesar yaitu lateks berbau busuk atau tidak berwarna putih saat penerimaan lateks, timbul busa pada kompon lateks pada saat pengomponan atau pencampuran lateks dengan dispersi bahan kimia serta masih terdapat buih pada kompon lateks pada saat pemeraman lateks. Perhitungan proses defuzzifikasi terdapat pada Lampiran. Pengetahuan yang didapatkan dari FMEA ini kemudian dijadikan basis pengetahuan dalam sistem pakar dan penyusunan logic tree sebagai bentuk representasi pengetahuan. Metode inferensi yang digunakan dalam sistem adalah metode forward chaining yaitu dimulai dari sekumpulan fakta-fakta tentang suatu efek yang ditemukan pengguna sebagai masukan sistem untuk kemudian dilakukan pelacakan jenis kegagalan proses dan penyebab dari kegagalan proses sampai tercapainya tujuan akhir berupa kesimpulan kegagalan proses yang terjadi dan rekomendasi upaya penanggulangan. 101 Berdasarkan kaidah-kaidah hasil representasi pengetahuan, maka disusun rules yang akan digunakan pada sistem pakar yang dibuat. Rules mencakup semua kombinasi jawaban yang mungkin diinput oleh user dan kombinasi outputnya. Adapun rules dan diagram tree dapat dilihat selengkapnya pada Lampiran. Selain itu, pada sistem pakar ini digunakan juga teknik penelusuran depth first search. Teknik penelusuran ini merupakan teknik penelusuran dari node ke node bergerak menurun ke tingkat dalam yang berurutan. Teknik penelusuran ini hanya digunakan pada jenis-jenis kegagalan proses yang memiliki efek yang sama. Sistem pakar untuk identifikasi kegagalan proses pada proses produksi sarung tangan lateks menggunakan software Winexsys Professional Ver. 5.0.8-W. Dalam Winexsys dikenal 3 komponen pembentuk rule, yaitu : • Qualifier Qualifier merupakan komponen yang memberikan pilihan kepada pemakai. • Variable Variable merupakan komponen yang memberikan keleluasaan kepada pemakai untuk memasukkan input berupa angka. • Choice merupakan tujuan akhir atau output dari sistem pakar. Adapun sistem pakar untuk identifikasi kegagalan proses pada proses produksi sarung tangan lateks ini hanya menyusun komponen pembentuk qualifier dan choice. Komponen variable tidak disusun karena sistem ini tidak memberikan keleluasaan kepada user untuk memasukkan input berupa angka. User hanya diberikan pilihan untuk menjawab “Ya” atau “Tidak” saja berdasarkan hal yang diamati. Qualifier List - Efek Dari Kegagalan Proses E1 = Lateks kurang stabil (mudah menggupal dan mudah membentuk lapisan lateks kering permukaan lateks) E2 = Lateks cepat rusak 102 E3 = Timbul pinhole atau fisheye pada produk sarung tangan. E4 = Tampilan produk buruk E5 = Produk sarung tangan mudah sobek atau lengket. E6 = Ketebalan produk sarung tangan bervariasi E7 = Sarung tangan menjadi kasar E8 = Timbul cacat dekok dan kerutan pada produk sarung tangan E9 = Terdapat kotoran pada sarung tangan E10 = Ketebalan produk bervariasi E11 = Gulungan tidak rapih E12 = Gulungan mudah lepas E13 = Timbul bintik-bintik pada bending, warna menjadi coklat, dan susah dilepas dari cetakan E14 = Produk sobek E15 = Produk sulit dilepas dan lengket Choice List - Upaya Penanggulangan • Penerimaan lateks S1 = Diamkan selama 2-4 hari S2 = Penambahan KOH atau laurat sebanyak 1,5 - 2,5 liter dan didiamkan selama 1 malam agar dapat bereaksi S3 = Tingkatkan kebersihan tangki atau gunakan plastik pelindung ke dalam drum S4 = Beli lateks pekat dari pabrik yang berasal dari klon khusus penghasil lateks pekat, misalnya klon GT1. S5 = Lakukan pengenceran dengan air dan KOH 10% S6 = Campur dengan lateks yang tidak mengandung banyak sabun. Setiap pemindahan lateks dilakukan sehati-hati mungkin mempertimbangkan timbulnya buih. Setiap kali penuangan standby harus cukup agar buih naik ke permukaan. Pembersihan buih harus 103 dilakukan dengan benar. Buih dikumpulkan terlebih dahulu di tengah, kemudian selanjutnya dipinggirkan. • Penerimaan bahan kimia S7 = Kembalikan ke pemasok • Dispersi bahan kimia S8 = Pastikan bahwa bahan kimia yang digunakan yaitu Sulphur, ZDEC, ZDBC, ZnO, ZO, TiO2) sesuai ketentuan takaran dan ditimbang dengan timbangan analitis S9 = Waktu proses minimal 2 hari atau sesuai dengan petunjuk operasi S10 = Melakukan pemeriksaan berkala terhadap jumlah dan kondisi bola-bola dispersi S11 = Bola-bola harus memenuhi setengah botol dan setelah ditambah bahan kimia dan air masih menyisakan ruang kosong 1/3 volume botol • Pengomponan lateks S12 = Pengadukan diperlambat, kontinu dan jangan sampai menimbulkan busa S13 = Penuangan didekatkan dengan dinding wadah atau tempelkan ke permukaan lateks S14 = Lamanya pengadukan campuran lateks 60% dengan stabilizer sebelum ditambahkan dispersi kimia harus mencapai 30 menit. Sedangkan lamanya pengadukan campuran lateks 60% (setelah ditambahkan stabilizer, dispersi kimia dan wetting agent) harus mencapai 30 menit. S15 = Saring dengan saringan stainless 100 mesh • Pemeraman kompon lateks S16 = Pemeraman kompon lateks dilakukan minimal selama 2 hari sebelum digunakan dan pembersihan busa dilakukan menggunakan saringan plastik dengan cara diangkat pelan-pelan • Pembuatan koagulan S17 = Naikkan konsentrasi kalsium nitrat dan karbonat S18 = Pemeraman koagulan harus mencapai 1 hari • Pencelupan cetakan ke dalam koagulan 104 S19 = Proses dipping dimulai jika larutan koagulan sudah stabil (30-60 menit setelah pengaturan koagulan selesai). Selain itu, ratakan lapisan koagulan pada cetakan dengan spon agar lapisan koagulan merata pada cetakan. S20 = Pencucian cetakan harus dilakukan sebersih mungkin hingga tidak terdapat kotoran papaun pada cetakan. Bila perlu, menggunakan konsentrasi asam nitrat 1-2% dan temperatur 27-30ºC. • Pencelupan ke dalam kompon lateks S21 = Lateks harus bebas dari bubble, busa, dan pengotor lainnya. Pengadukan dilakukan secara perlahan dan gumpalan lateks harus dikeluarkan dari lateks dip. S22 = Lakukan penyapuan buih setiap kali akan melakukan pencelupan. Penyapuan busa harus dilakukan dengan benar. Busa dikumpulkan terlebih dahulu di tengah, kemudian selanjutnya dipinggirkan. S23 = Lakukan proses penyaringan dengan alat penyaring yang terbuat dari kawat stainless steel dengan mess 100 S24 = Diambil permukaan yang mengental dan tambah stabilizer kemudian diaduk • Pengeringan hasil celup dan bending S25 = Waktu stanby kira-kira 5 menit S26 = Perbaiki cara penggulungan. Lakukan dengan hati-hati dan tidak terburu-buru. • Pencucian (post leaching) S27 = Rendam dengan air panas 50-60ºC selama 30 menit dan bilas dengan air dingin, kemudian masukkan wet powder dan tumbler. • Pengovenan S28 = Kontrol thermometer (thermocouple) dan lakukan kalibrasi serta pengovenan dilakukan selama 1.5-2 jam dengan suhu 85-95ºC • Pemberian powder S29 = Jumlah powder sebaiknya ditambah sesuai dengan kebutuhan 105 S30 = Memberikan pengarahan kepada operator agar dapat memberikan powder secara merata (baik pembedakan kering maupun pembedakan basah) • Stripping S31 =Sebaiknya kuku operator dipotong untuk menghindari sarung tangan menjadi sobek ketika dilepaskan S32 = Sarung tangan dilepaskan dari bagian dalam menjadi bagian luar. Menarik sarung tangan dari bagian cuff dan semuanya terbalik. Pakai sarung tangan katun sehingga kuku tidak kontak langsung dengan karet. S33 = Jumlah powder sebaiknya ditambah sesuai dengan kebutuhan • Tumbling S34 = Sarung tangan dimasukkan ke dalam tumbler per 10 kg. Suhu tumbler di-setting 50-70ºC selama 30 menit. Setelah selesai proses tumbling, sarung tangan dimasukkan ke dalam keranjang. Contoh tampilan sistem pakar dapat dilihat pada Gambar 41 dimana pengguna pertama kali akan ditanyakan mengenai efek kegagalan proses yang ingin diketahui penyebab dan solusinya. Diagram pohon yang menjadi dasar dalam penyusunan basis aturan dalam sistem pakar dapat dilihat pada Gambar 42. Gambar 41 Tampilan Sistem Pakar dalam Menanyakan Masalah 106 E1 E2 F1 C1 S1 C2 S2 F2 C3 S3 F3 C4 S4 C5 S5 F4 C6 S6 F7 C12 S12 C13 S13 F10 C16 S16 F14 C21 S21 C22 S22 E3 E4 F5 C7 S7 E5 F6 C8 S8 C9 S9 C10 S10 C11 S11 F8 C14 S14 F11 C17 S17 F13 C19 S19 C20 S20 E6 E7 F9 C15 S15 E8 F12 C18 S18 E9 F15 C23 S23 F19 C27 S27 E10 F16 C24 S24 E11 F17 C25 S25 E12 F18 C26 S26 E13 F20 C28 C29 S28 E14 F21 C30 C31 F23 E15 C34 S31 C35 S32 C32 S33 F24 C36 S34 F22 C32 S29 C33 S30 Gambar 42 Tree Diagram dalam Sistem Pakar 107 Gambar 43 Tampilan Sistem Pakar dalam Mengkonfirmasi Penyebab Kegagalan Gambar 41 s/d Gambar 45 menjelaskan proses penemuan penyebab kegagalan proses yang mengakibatkan terjadinya pinhole atau fish eye dengan kode E3. Kode ini dapat berasal dari beberapa kegagalan proses seperti dapat dilihat pada Gambar 42. Basis aturan dapat dilihat pada Lampiran 9 sedangkan validation tree dapat dilihat pada Lampiran 10. Gambar 44 Tampilan Sistem Pakar dalam Mengkonfirmasi Penyebab Kegagalan Berikutnya Gambar 44 menampilkan solusi dari sistem pakar mengenai efek kegagalan pinhole dan fish eye. Gambar 45 Tampilan Sistem Pakar dalam Memberikan Solusi 108 6.6 Validasi Model Strategi Pengetahuan Model strategi pengetahuan divalidasi dengan menggunakan teknik face validity (Sargent 1999; Sekaran 2000). Pernyataan yang diajukan adalah modelmodel telah bermakna dan mempresentasikan sistem nyata serta memiliki kemanfaatan dalam aplikasinya untuk kemudian diajukan kepada dua orang pakar dari Pusat Penelitian Karet Bogor yang memiliki latar belakang pendidikan S3. Pilihan jawaban menggunakan skala likert dari mulai sangat tidak setuju sampai dengan sangat setuju. Sistem pendukung keputusan strategi pengetahuan dapat dilihat pada Lampiran 8. Tabel 25 Validasi Model Strategi Pengetahuan No 1 Model Pakar 1 Pakar 2 Setuju Setuju Setuju Sangat setuju Setuju Sangat setuju Sangat setuju Cukup setuju Setuju Sangat setuju 6 Model Pemilihan Strategi Pengembangan Klaster serta area pengetahuan Terkait Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci Model Pemilihan Strategi Manajemen Pengetahuan Model Kodifikasi Pengetahuan Disain Proses Model Kodifikasi Pengetahuan Kegagalan Proses Taksonomi Pengetahuan Cukup Setuju Cukup Setuju 7 Peta Pengetahuan Cukup Setuju Cukup Setuju 2 3 4 5 Keterangan : Pernyataan yang diajukan adalah model-model telah bermakna dan mempresentasikan sistem nyata serta memiliki kemanfaatan dalam aplikasinya Berdasarkan hasil pendapat pakar seperti pada Tabel 25 dapat diketahui bahwa model strategi pengetahuan secara umum telah mempresentasikan sistem nyata serta memiliki kemanfaatan dalam aplikasinya. Nilai yang agak rendah (cukup setuju) terjadi pada model kodifikasi pengetahuan disain proses, taksonomi pengetahuan dan peta pengetahuan. Hal ini memang dikarenakan walaupun model telah menstrukturkan pengetahuan disain proses barang celup lateks namun dalam kodifikasinya belum secara lengkap memuat pengetahuan mengenai disain proses barang celup lateks. 109 7 PERANCANGAN PORTAL MANAJEMEN PENGETAHUAN 7.1. Analisis Kebutuhan Sistem Analisis kebutuhan sistem dimaksudkan untuk mendefinisikan kebutuhan yang harus dipenuhi oleh sistem manajemen pengetahuan yang dibangun. Kebutuhan sistem terbagi atas kebutuhan fungsional serta kebutuhan pengguna. 7.1.1. Kebutuhan Fungsional Kebutuhan fungsional untuk sistem ini adalah sebagai berikut : • Menyediakan informasi tentang pakar. • Menyediakan forum komunikasi antara anggota klaster dan tenaga ahli. • Menyediakan taksonomi pengetahuan. • Adanya fasilitas untuk menambahkan taksonomi pengetahuan. • Menyediakan fasilitas khusus untuk pakar memberikan proses berbagi pengetahuan dalam bentuk artikel. • Tersedia fasilitas untuk administrasi portal. • Mengelola profil pengguna. • Membuat halaman baru untuk artikel. • Membuat topik baru pada forum. • Mengelola forum dan berita. • Mengelola artikel yang dikirim oleh pakar. • Mengubah template. • Mengubah struktur menu. • Tersedia menu login dan verifikasi pengguna. • Tersedia fasilitas pencarian pada website. 7.1.2. Kebutuhan Pengguna Pengguna dan kebutuhannya dapat dikategorikan sebagai : 1. Pengguna umum dari kalangan biasa yang mengunjungi portal, sekedar mencari judul-judul artikel mengenai klaster barang jadi lateks dan 110 teknologi barang jadi lateks. Di dalam sistem portal manajemen pengetahuan ini, pengguna diklasifikasikan sebagai guest (tamu). 2. Pengguna yang berasal dari anggota klaster barang jadi lateks diharapkan dapat : 1. Memperoleh informasi terkini terkait dengan pengembangan klaster industri barang jadi lateks 2. Berkomunikasi dengan anggota klaster lain atau pakar untuk menyelesaikan permasalahan yang dihadapi. 3. Mendapatkan informasi tentang profil pakar dari peneliti 4. Mendapatkan pengetahuan tentang teknologi barang jadi lateks dalam bentuk taksonomi. 5. Mengikuti perkembangan terkini terkait dengan inovasi dan teknologi barang jadi lateks dengan aktif dalam forum diskusi yang ada. 3. Pengguna dari kalangan pakar teknologi lateks dari peneliti atau industri yang diharapkan dapat : 1. Melakukan proses berbagi pengetahuan kepada anggota klaster dengan cara mempublikasikan hasil penelitian terkini terkait dengan inovasi dan teknologi barang jadi lateks 2. Memberikan dukungan terhadap pemecahan masalah yang dihadapi oleh para anggota klaster terkait dengan teknologi barang jadi lateks 3. Memberikan informasi tentang profil dirinya yang diharapkan dapat memudahkan masyarakat untuk mencari tahu spesifikasi masing – masing pakar. 4. Pengguna yang bertindak sebagai admin yang diharapkan dapat : 1. Mengelola informasi yang tersedia. 2. Melakukan pemeliharaan terhadap portal. 3. Membuat forum baru. 7.2. Perancangan Sistem Perancangan dilakukan dengan menggambarkan model dari fungsi sistem yaitu dengan menggunakan pemodelan UML khususnya pemodelan use case. 111 Setelah itu dibuatlah rancangan tampilan dari sistem portal manajemen pengetahuan sebagai sarana interaksi antara pemakai (user) dengan komputer. Pada Portal Manajemen Pengetahuan terdapat 6 fasilitas utama yaitu register, login, kelola profil, forum, perpustakaan dan kelola web seperti dapat dilihat pada Gambar 46. Gambar 46 Use Case Sistem Portal Manajemen Pengetahuan Use Case Register. Aktor : Guest, Admin, Sistem. Skenario keberhasilan. 1. Guest memilih menu registrasi yang sudah disediakan. 2. Sistem menampilkan form yang harus diisi guest. 3. Guest mengisi form dan menekan tombol submit. 4. Admin memproses dengan cara mengizinkan atau menolak member. 5. Jika diijinkan maka member dapat melakukan login dan berinteraksi di dalam portal. 112 Use Case Login. Aktor : Admin, Member, Moderator, Sistem. Skenario keberhasilan. 1. Sistem menyediakan form untuk login. 2. Admin memasukkan username dan password dan menekan tombol submit untuk login sebagai admin. 3. Moderator memasukkan username dan password dan menekan tombol submit untuk login sebagai moderator. 4. Member memasukkan username dan password dan menekan tombol submit untuk login sebagai member. 5. Sistem memverifikasi member / moderator / admin untuk menolak atau mengizinkan user untuk masuk sesuai dengan hasil verifikasi. Use Case Kelola Profil. Aktor : Admin, Member, Moderator, Sistem. Skenario keberhasilan. 1. Admin / member / moderator yang sudah login dapat mengakses menu kelola profil. 2. Sistem memberikan form isian kepada admin / member / moderator yang terautentifikasi untuk melakukan pengisian form. 3. Admin / member / moderator memberikan isian pada form dan menyimpan dengan menekan tombol save yang tersedia. 4. Sistem akan menyimpan ke dalam database pengguna dan menampilkan profil pengguna kepada pengguna dan admin. 5. Admin dapat mengubah atau menghapus profil pengguna. Use Case Forum. Aktor : Admin, Member, Moderator , Sistem. Skenario keberhasilan. 1. Admin dapat membuat atau menentukan judul forum serta mengubah dan menghapus topik dalam forum. 113 2. Moderator dapat membuat topik dalam forum serta mengubah topik yang telah dibuat oleh moderator tersebut di dalam forum. 3. Member terautentifikasi dapat menulis topik baru serta mengubah topik yang telah dibuat serta menanggapi atau bertanya di dalam sebuah topik. 4. Pengguna guest tidak dapat melihat ataupun menulis topik baru serta menanggapi sebuah topik di dalam forum. Use Case Perpustakaan. Aktor : Admin, Member, Moderator, Guest, Sistem. Skenario keberhasilan. 1. Sistem menyediakan 2 pilihan yakni artikel dan peta pengetahuan. 2. Jika guest memilih menu perpustakaan dan memilih menu lihat artikel maka sistem akan menampilkan sejumlah judul artikel namun guest tidak memiliki akses untuk melihat artikel, membuka abstrak maupun mengunduh attachment file artikel. 3. a. Jika moderator, admin atau member memilih menu perpustakaan dan memilih menu lihat artikel maka sistem akan menampilkan sejumlah artikel yang di dalamnya terdiri dari judul artikel, abstrak artikel serta file attachment artikel yang dapat diunduh oleh member. b. Jika moderator, admin atau member memilih menu perpustakaan dan memilih menu lihat peta pengetahuan maka sistem akan menampilkan sejumlah hyperlink yang dapat dipilih user untuk menampilkan gambar taksonomi. 4. a. Jika moderator atau admin memilih menu perpustakaan dan memilih menu unggah artikel, maka sistem akan menampilkan form yang dapat diisikan oleh moderator / admin sebagai tulisan yang dapat dibaca oleh member, admin dan moderator. b. Jika moderator atau admin memilih menu perpustakaan dan memilih menu upload FreeMind map maka sistem akan menampilkan dialog box untuk mengunggah file FreeMind map yang sudah diolah. 114 Use Case Kelola Web. Aktor : Sistem, Admin. Skenario keberhasilan. Dari menu content management, admin dapat : 1. Menyetujui atau menghapus comment. 2. Menyetujui atau menghapus artikel maupun halaman. 3. Mengatur tipe beberapa content yang siap dipublikasikan / menunggu moderasi untuk dipublikasikan. 4. Mengatur aturan yang digunakan di dalam forum. 5. Membuat pengaturan yang digunakan di dalam setiap post. 7. Membuat aturan yang digunakan untuk taxonomy penulisan. Dari menu site building, admin dapat : 1. Membuat pengaturan penempatan untuk setiap blok content . 2. Membuat pengaturan jenis penanda (flags) untuk setiap node maupun role. 3. Melakukan pengaturan fungsi navigasi untuk setiap menu. 4. Membuat primary link (tautan primer) serta menentukan pengaturan atas tautan tersebut. 5. Membuat secondary link (tautan sekunder) serta menentukan pengaturan atas tautan tersebut. 6. Melakukan pengaturan atas module untuk setiap halaman / post. 7. Melihat service yang aktif untuk setiap module yang digunakan. 8. Melakukan pengaturan themes / tampilan portal manajemen pengetahuan. 9. Melakukan pengaturan terhadap trigger / pemicu suatu sistem peristiwa. 10. Melakukan pengaturan terhadap node yang dapat di tampilkan / tidak dapat ditampilkan. Dari menu site configuration, admin dapat : 115 1. Melakukan pengaturan terhadap tugas individu yang dapat dilakukan / tidak dapat dilakukan. 2. Melakukan pengaturan terhadap tema apa yang digunakan pada menu administration. 3. Melakukan pengaturan terhadap portal bersih dari URL 4. Melakukan pengaturan zona waktu, awal hari dalam seminggu dan pengaturan format penulisan penanggalan. 5. Melakukan pengaturan apabila pengguna menemukan halaman yang ditolak (403) maupun halaman yang tidak ditemukan (404). 6. Melakukan pengaturan terhadap lokasi dimana file disimpan. 7. Melakukan pengaturan terhadap tipe file gambar seperti apa yang dapat disimpan. 8. Melakukan pengaturan terhadap layanan Graph Mind. 9. Melakukan pengaturan terhadap perangkat yang digunakan untuk mengolah gambar. 10. Melakukan pengaturan terhadap cara pengguna memproses text dalam portal manajemen pengetahuan. 11. Melakukan pengaturan terhadap maksimal jumlah baris yang dapat disimpan pada database 12. Melakukan pengaturan pengaktifan cache halaman untuk menawarkan peningkatan kinerja portal yang signifikan. 13. Melakukan pengaturan nama portal, nama email address admin, slogan portal, misi portal, pesan bagian bawah portal. 14. Melakukan pengaturan status portal online / offline. 15. Melakukan pengaturan format masukan WYSIWYG. Dari menu user management, admin dapat : 1. Melakukan pengaturan izin akses untuk klasifikasi tipe pengguna. 2. Melakukan pengaturan klasifikasi tipe pengguna. 3. Melakukan pengaturan registrasi pengguna. 4. Melakukan pengaturan verifikasi pengguna baru. 116 Dari menu reports, admin dapat : 1. Melihat catatan pantauan proses yang telah terjadi dalam portal manajemen pengetahuan. 2. Melihat catatan pantauan proses kesalahan penolakan akses yang sering terjadi dalam portal manajemen pengetahuan. 3. Melihat catatan pantauan proses kesalahan halaman tidak ditemukan yang sering terjadi dalam portal manajemen pengetahuan. 4. Melihat dan melakukan pembaruan atas sistem dasar yang digunakan dalam portal manajemen pengetahuan. 5. Melihat rangkuman singkat parameter situs serta masalah yang terdeteksi di dalam portal manajemen pengetahuan. Setelah melakukan login, seorang member dari portal manajemen pengetahuan mendapatkan akses penuh ke seluruh fasilitas dan fitur – fitur yang ada pada portal ini. Adapun fitur yang disediakan oleh portal manajemen pengetahuan antara lain : - Perpustakaan (Artikel & Peta Pengetahuan) - Forum - Cari Pakar - My Bookmarks Gambar 47 menampilkan contoh artikel yang dapat dilihat oleh anggota klaster. Artikel tersebut dapat di upload oleh moderator atau admin. Para member juga dapat men-download artikel tersebut. 117 Gambar 47. Menu Lihat Artikel Gambar 48 Menu Lihat Peta Pengetahuan 118 Gambar 48 menampilkan taksonomi pengetahuan teknologi proses barang jadi lateks. Berdasarkan taksonomi tersebut kemudian dapat dilihat lebih lanjut mengenai peta pengetahuan atau dokumen pengetahuan lain yang terkait. Gambar 49 dan Gambar 50 menampilkan fasilitas untuk input profil pengguna agar sesama anggota klaster dapat mengetahui profilnya serta fasilitas pencarian pakar baik di bidang manajemen atau proses yang terkait dengan inovasi dan teknologi dalam klaster. Gambar 49 Menu Input profil pengguna Gambar 50 Menu Cari Pakar 119 VIII. IMPLIKASI MODEL 8.1. Implikasi Teoritis Berdasarkan verifikasi terhadap model strategi pengembangan klaster dapat diketahui bahwa perspektif pengembangan klaster dengan prioritas tertinggi perspektif adalah perpektif efisiensi kolektif. Hal ini sejalan dengan penelitian Marijan (2005), Schmitz (1997) dan Schmitz et al. (1997) yang mengatakan bahwa upaya mengembangkan industri kecil menengah yang mampu bersaing di pasar internasional bisa dilakukan melalui pendekatan kluster (cluster approach) karena memungkinkan terjadinya efisiensi kolektif atau keunggulan kompetitif yang disebabkan oleh external economies dan joint action (aksi bersama). Efesiensi kolektif yang disebabkan oleh external economies, dalam pandangan Schmitz (1997) diperoleh lebih banyak disebabkan oleh lokasi yang berdekatan. Melalui lokasi yang berdekatan ini perusahaan-perusahaan yang ada di dalamnya secara mudah bisa memperoleh tenaga kerja yang dibutuhkan, memudahkan perusahaan-perusahaan itu berhubungan dengan para pemasok dan pembeli. Aksi bersama juga dapat dilakukan antara lain dalam rangka pembelian bahan baku secara bersama atau kemungkinan kerja sama penelitian dengan lembaga pendukung. Pilihan strategi yang terpilih dalam rangka pengembangan klaster industri barang jadi lateks berbasis pengetahuan adalah strategi inovasi dan teknologi. Hal ini juga mengkonfirmasi beberapa penelitian sebelumnya antara lain oleh Andersen (2010) yang menyatakan bahwa inovasi saat ini dipertimbangkan menjadi pendorong utama terhadap keunggulan daya saing dan pertumbuhan ekonomi. Keterkaitan antara klaster dengan inovasi juga dimungkinkan karena dalam klaster memungkinkan tersedianya tenaga kerja yang memiliki ketrampilan khusus dan sangat dibutuhkan oleh perusahaan-perusahaan (labour pool) dan adanya pertukaran pengetahuan (knowledge spill-over). Berdasarkan verifikasi model strategi manajemen pengetahuan dapat diketahui bahwa strategi yang paling sesuai untuk mendukung strategi inovasi dan teknologi adalah strategi kombinasi antara kodifikasi dan personalisasi. Hal ini juga mengkonfirmasi hasil penelitian dari Nicolas (2004) yang menunjukkan 120 bahwa strategi kombinasi atau sosialisasi semakin banyak digunakan (53%). Faktor atau kriteria yang paling dipentingkan dalam rangka implementasi strategi manajemen pengetahuan adalah faktor budaya dan orang, dikuti oleh dukungan pemerintah, komunikasi, biaya dan waktu. Pentingnya faktor budaya dan orang dalam rangka implementasi strategi manajemen pengetahuan mengkonfirmasi teori yang dikemukakan oleh Leidner et al. (2006) yang mengatakan bahwa budaya organisasi berpengaruh terhadap implementasi manajemen pengetahuan dan sekaligus kegagalan dalam mengubah budaya berbagi pengetahuan menjadi faktor penghambat implementasi manajemen pengetahuan. Inovasi Rekan : Industri, UKM, Pemerintah Data, Informasi Pengetahuan Bagaimana cara Mengajar Belajar Berbagi Community of Practice (CoP) Para Peneliti / Pakar Teknologi Lateks Celup (BPTK, Batan, BPPT, Perguruan Tinggi, Pemasok Bahan Kimia Lateks) Referensi Kepustakaan Internaisasi Sosialisasi Eksternalisasi Publikasi Berbagi Kombinasi Portal Pengetahuan (forum diskusi, taksonomi pengetahuan lateks celup, artikel, sistem pakar) Gambar 51 Diagram Konseptual Aliran Pengetahuan dalam Klaster Industri Barang Jadi Lateks Implikasi teoritis penelitian ini juga terkait dengan model kreasi pengetahuan atau model SECI (Socialization, Externalization, Combination, Internalization) yang dikemukakan oleh Nonaka dan Takeuchi (1995). Proses eksternalisasi dalam penelitian ini menggunakan model kodifikasi pengetahuan disain proses melalui FQFD dan peta pengetahuan serta model kodifikasi pengetahuan kegagalan proses FFMEA. Kombinasi dilakukan dalam pembuatan taksonomi pengetahuan dan peta pengetahuan oleh moderator atau admin. Internalisasi mengacu pada penciptaan pengetahuan tersembunyi baru dari pengetahuan eksplisit. Adapun personalisasi sangat erat kaitannya dengan tahap sosialisasi (Pei, 2008) pada model SECI. Secara jelas proses konversi 121 pengetahuan dalam kerangka model SECI yang dikembangkan dari Van Horne et al. (2005) dapat dilihat pada Gambar 51. 8.2 Implikasi Manajerial Dalam konteks operasional lembaga seperti Balai Penelitian Teknologi Karet (BPTK) Bogor yang saat ini berubah menjadi Pusat Penelitian Karet Bogor dinilai sebagai lembaga yang paling tepat sebagai motor terbentuknya klaster industri barang jadi lateks berbasis pengetahuan. Keberadaan sentra-sentra industri barang jadi lateks di Jawa Barat dan Banten serta letaknya yang berdekatan dengan Pusat Penelitian Karet Bogor memungkinkan terjadi proses berbagi pengetahuan baik secara personalisasi (face to face) dan juga kodifikasi (via portal). Dalam konteks klaster, strategi personalisasi juga diusulkan dilakukan dengan pembentukan komunitas keahlian atau yang dikenal dengan nama Community of Practice (CoP). CoP adalah sekelompok orang yang berbagi suatu perhatian atau minat untuk sesuatu yang mereka ketahui bagaimana melakukannya serta mereka yang saling berinteraksi secara teratur dengan tujuan untuk belajar bagaimana cara melakukan sesuatu itu secara lebih baik (Wenger, 2004). CoP berorientasi pada pertukaran pengalaman atau praktek-raktek terbaik (best practices) yang telah dilakukan oleh para peneliti barang celup lateks yang tersebar pada beberapa institusi seperti BPTK Bogor, BATAN, BPPT, perguruan tinggi serta pemasok bahan kimia. Pemerintah diharapkan berperan dalam hal pemberian insentif sehingga transfer teknologi dari para pakar dalam CoP dapat berlangsung. Bentuk insentif antara lain dapat berupa insentif teknologi atau lisensi teknologi. Secara terintegrasi model-model yang dibangun dalam rangka pengembangan klaster industri barang jadi lateks di Jawa Barat dan Banten dapat dilihat pada Gambar 52. Model yang merupakan pengembangan dari model Strategi Pengetahuan (Zack, 1999) dan Nonaka dan Takeuchi (1995) ini diawali dengan pemilihan strategi klaster disertai aktor, perspektif dan tujuan serta area pengetahuan terkait. Analisis kesenjangan pengetahuan kemudian dilakukan terhadap aktor tersebut untuk kemudian bisa didapatkan beberapa area pengetahuan kunci. Area pengetahuan tersebut dikelola melalui strategi 122 manajemen pengetahuan serta proses manajemen pengetahuan menggunakan model SECI. • Model Strategi Manajemen Pengetahuan (FAHP) • Proses Manajemen Pengetahuan Sosialisasi CoP, Pertemuan Ilmiah, Pelatihan Eksternalisasi Model Kodifikasi Pengetahuan Disain Proses (FQFD, taksonomi dan peta pengetahuan) Model Kodifikasi Pengetahuan Kegagalan Proses ( FFMEA, Sistem, Pakar) Kombinasi Portal, Peta Pengetahuan Apa yang klaster harus ketahui (pengetahuan terkait) Model Analisis Kesenjangan pengetahuan (FIS Sugeno) Apa yang klaster telah ketahui Apa yang klaster harus lakukan (FAHP) Aktor, Perspektif, Tujuan, strategi Kesenjangan strategi Apa yang klaster dapat lakukan Internalisasi (Eksperimen) Gambar 52 Model Manajemen Pengetahuan pada Klaster Industri Barang Jadi Lateks di Jawa Barat dan Banten 8.3. Kelebihan dan Kekurangan Model Model yang dikembangkan memiliki beberapa kelebihan antara lain bahwa model telah dapat memfasilitasi perumusan strategi dan proses manajemen pengetahuan. Model juga telah sistematis menentukan tujuan manajemen pengetahuan yang dikemas dalam model strategi pengembangan klaster serta menentukan jenis pengetahuan yang paling penting untuk dikelola melalui model penentuan area pengetahuan kunci. Kelemahan dari model yang dikembangkan adalah belum secara mendalam mengkaji mengenai aspek budaya berbagi pengetahuan dan karakteristik perilaku orang atau organisasi dalam klaster. Model juga memiliki kelemahan dalam hal asumsi berbagi pengetahuan dapat terjadi dalam klaster. Asumsi tersebut hanya didasarkan adanya kegiatan berbagi pengetahuan yang terjadi selama ini yaitu pelatihan teknologi lateks oleh BPTK yang rutin sebanyak 2 kali setahun serta kerjasama penelitian antara industri dan pusat penelitian. 123 9 KESIMPULAN DAN SARAN 9.1 Kesimpulan 1. Sistem pendukung keputusan strategi pengetahuan dapat digunakan untuk menyusun strategi pengetahuan untuk pengembangan klaster industri barang jadi lateks di Jawa Barat dan Banten. Komponen sistem terdiri atas (a) sistem manajemen basis model yang berisi model pemilihan strategi pengembangan klaster dan area pengetahuan terkait, model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci, model pemilihan strategi manajemen pengetahuan, model kodifikasi pengetahuan disain proses serta model kodifikasi pengetahuan kegagalan proses; (b) sistem manajemen basis data yang berisi data penilaian pakar mengenai perbandingan berpasangan antar kriteria dan alternatif dalam perumusan strategi, data penilaian pakar terhadap kebutuhan dan kondisi area pengetahuan saat ini serta data penilaian pakar mengenai tingkat kepentingan karakteristik teknis produk serta keterkaitan karakteristik teknis dan proses; (c) sistem manajemen basis pengetahuan yang berisi basis aturan mengenai cara mengatasi kegagalan proses; (d) sistem dialog terhadap pengguna sehingga pengguna akan mudah menggunakannya. 2. Model pemilihan strategi pengembangan klaster dibangun dalam bentuk hirarki keputusan yang tersusun atas beberapa level yaitu aktor, perspektif, tujuan strategis dan alternatif strategi. Perspektif yang digunakan adalah empat perspektif untuk mengukur kinerja suatu klaster industri yaitu kinerja perusahaan, hasil sosial dan ekonomi, efisiensi kolektif dan modal sosial. Tujuan strategis dalam perspektif kinerja perusahaan adalah peningkatan pasar serta peningkatan produktivitas dan kualitas. Tujuan strategis dalam perspektif hasil sosial dan ekonomi adalah peningkatan lapangan pekerjaan, peningkatan ketersediaan tenaga kerja terspesialisasi, peningkatan kemampuan inovasi dan peningkatan konsumsi karet alam. Tujuan strategis dalam efesiensi kolektif adalah penurunan biaya dan peningkatan kerjasama. Tujuan strategis dalam perspektif modal sosial adalah peningkatan jumlah anggota klaster yang terlibat dalam kerjasama. 124 Inisiatif strategi klaster ditetapkan ada 3 yaitu inovasi dan teknologi (peningkatan kemampuan produksi, difusi teknologi dan standar teknik), kerjasama komersial (pemasaran ekspor dan pengadaan bahan baku) serta pengembangan bisnis. Hasil verifikasi terhadap model pemilihan strategi pengembangan klaster dengan studi kasus pada klaster barang jadi lateks di Jawa Barat dan Banten menunjukkan bahwa aktor yang paling berperan dalam pengembangan klaster adalah Lembaga Pendukung dengan diikuti oleh Pemerintah Daerah dan pelaku industri itu sendiri. Inisiatif pengembangan klaster yang paling penting dilakukan untuk mencapai tujuan strategis pengembangan klaster adalah inisiatif inovasi dan teknologi dengan area pengetahuan terkait adalah pengetahuan teknologi proses. 3. Model analisis kesenjangan pengetahuan dan penentuan area pengetahuan kunci didasarkan pada penilaian terhadap pengetahuan aktor terhadap beberapa area pengetahuan dalam hal tingkat kebutuhan atau kepentingannya serta kondisi penguasaan saat ini. Hasilnya kemudian dipetakan dalam suatu matriks kesenjangan pengetahuan menggunakan logika fuzzy. Verifikasi terhadap model analisis kesenjangan pengetahuan dan area pengetahuan kunci didapatkan bahwa masih terdapat kesenjangan pengetahuan terhadap aktor utama pelaksana strategi inovasi dan teknologi. Terdapat sembilan area pengetahuan yang perlu menjadi prioritas pengembangan dalam manajemen pengetahuan yaitu formulasi kompon, formulasi koagulan, pemeriksaan bahan baku, pembuatan dispersi, pemeriksaan dispersi, penjadian kompon, pencucian, vulkanisasi, dan pemeriksaan produk serta analisis kegagalan. Area pengetahuan formulasi kompon berada pada daerah red alert zone yang paling utama dimana area ini harus menjadi prioritas paling utama. Tingkat kesulitan pada penguasaan area pengetahuan ini antara lain karena formula kompon lateks pada umumnya disesuaikan dengan jenis produk yang akan dihasilkan karena umumnya mempunyai sifat tertentu yang diutamakan. 4. Model pemilihan strategi manajemen pengetahuan yang ditujukan untuk memperkecil kesenjangan pengetahuan yang terjadi, dibangun dalam 125 bentuk hirarki keputusan dua level yaitu kriteria dan alternatif strategi. Hasil verifikasi model menunjukkan bahwa faktor yang paling dipentingkan dalam rangka implementasi strategi manajemen pengetahuan adalah faktor budaya dan orang, dikuti oleh dukungan pemerintah, komunikasi, biaya dan waktu. Strategi manajemen pengetahuan yang perlu dilakukan adalah strategi kombinasi antara kodifikasi dan personalisasi. Aspek budaya dan orang sebagai aspek utama dalam implementasi manajemen pengetahuan dikelola dengan pembentukan komunitas keahlian atau CoP yang berfungsi media saling berbagi pengetahuan antar pelaku atau peneliti dalam lembaga pendukung sebagai aktor yang paling berperan dalam pengembangan klaster. 5. Model kodifikasi pengetahuan disain proses dirancang menggunakan teknik fuzzy quality function deployment, taksonomi pengetahuan dan peta pengetahuan. Hasil verifikasi terhadap model menunjukkan bahwa bahwa peringkat tertinggi area pengetahuan yang memiliki keterkaitan tinggi terhadap karakteristik teknis produk adalah adalah proses penjadian kompon, sistem vulkanisasi, pematangan atau vulkanisasi serta kondisi dan jenis lateks pekat. 6. Model kodifikasi pengetahuan kegagalan proses dirancang menggunakan teknik fuzzy failure mode and effect analysis dan sistem pakar. Hasil verifikasi model kodifikasi kegagalan proses menunjukkan bahwa beberapa jenis kegagalan proses memiliki nilai terbesar yaitu lateks berbau busuk atau tidak berwarna putih saat penerimaan lateks, timbul busa pada ka ompon lateks pada saat pengomponan atau pencampuran lateks dengan dispersi bahan kimia serta masih terdapat buih pada kompon lateks pada saat pemeraman lateks. 7. Validasi model dengan menggunakan pendapat pakar menunjukkan hasil bahwa model-model strategi pengetahuan dinyatakan telah bermakna dan mempresentasikan sistem nyata serta memiliki kemanfaatan dalam aplikasinya 8. Proses konversi pengetahuan dalam klaster dikemas dalam bentuk kombinasi antara pertemuan langsung dengan portal manajemen 126 pengetahuan. Portal dikelola oleh suatu komunitas keahlian yang dikenal dengan nama community of practice yang berorientasi pada pertukaran pengalaman atau praktek-raktek terbaik (best practices) yang telah dilakukan oleh para peneliti barang jadi lateks yang tersebar pada beberapa institusi seperti BPTK Bogor, BATAN, BPPT, perguruan tinggi serta pemasok bahan kimia. 9.2 Saran 1. Perlu dilakukan penelitian lanjutan mengenai model kelembagaan manajemen pengetahuan untuk suatu klaster industri. Hal ini sangat diperlukan guna terus menjaga dan meningkatkan kolaborasi antar pelaku klaster. 2. Perlu dilakukan penelitian lanjutan mengenai aspek budaya dan orang dalam klaster karena berdasarkan hasil penelitian ini faktor tersebutlah yang paling menentukan untuk implementasi strategi manajemen pengetahuan. Diperlukan penelitian yang lebih mendalam terutama dalam budaya berbagi pengetahuan antar organisasi atau dalam lingkup regional atau klaster. 3. Perlu dikaji lebih mendalam mengenai peran pemerintah sebagai salah satu aktor dalam pengembangan klaster dalam memberikan insentif guna memacu proses berbagi pengetahuan. Melalui kegiatan insentif transfer pengetahuan yang dijembatani oleh pemerintah ini diharapkan akses terhadap industri barang jadi lateks lebih terbuka, para pakar yang dibidang karet juga dapat mentransfer pengetahuannya serta berbagai hasil penemuan di bidang teknologi dapat didifusikan dan diterapkan pada industri barang jadi lateks skala kecil dan menengah. MODEL L MANAJ JEMEN PE ENGETAHUAN PA ADA KLA ASTER INDU USTRI BA ARANG JA ADI LATE EKS DI JA AWA BAR RAT DAN BANTE EN Y SUGIAR RTO DEDY SEK KOLAH PASCA ASARJAN NA INSTIITUT PE ERTANIA AN BOG GOR B BOGOR 2012 127 DAFTAR PUSTAKA Abdollahi A, A Rezaeian, M Mohseni. 2008. Knowledge Strategy : Linking Knowledge Resources to Competitive Strategy. World Applied Science Journal. Vol 4 (2) : 8-11 Albaladejo M. 2001. Determinants and policies to foster the competitiveness of SME clusters: Evidence from Latin America. QEH Working Paper Series Number 71 Akao Y. 2003. QFD and Administrative Knowledge Management. Orlando : ISQFD Andersen CE. 2010. Knowledge-based innovation and the benefits of clustering A study of the Norwegian offshore industry [Thesis] .BI Norwegian School of Management Arendt M. 2008. Six Sigma and Knowledge Management. Institute of Organization and Management in Industry “ORGMASZ”. Vol 2 (2) : 1420 Baalen PV, Jacquelin BR, Eric VH. 2005. Knowledge Sharing in an Emerging Network of Practise : The Role of a Knowledge Portal. European Management Journal. Vol 23 (3) : 300-314 Besterfield D, Carol B, Glen B, Mary B. 1995. Total Quality Management. New Jersey : Prentice Hall Berg, C. 2009. An Experience In Knowledge Mapping. Journal of Knowledge Management. Vol. 9 (2):123-128 [BPTK] Balai Penelitian Teknologi Karet Bogor. 2002. Modul Kursus Teknologi Barang Jadi Lateks. Bogor [BPPT] Badan Pengkajian dan Penerapan Teknologi. 2003. Pengembangan Klaster Industri Unggulan Daerah – Panduan. [BPS] Badan Pusat Statistik. 2006. Direktori Industri Karet dan Barang dari Karet. Carrion GC. 2006. Understanding the link between knowledge management and firm performance: articulating and codifying critical knowledge areas. International Journal of Knowledge and Learning. Vol. 2 (3) : 238 – 262 Carpinetti L, Edwin V, Gerolamo C. 2008. A measurement system for managing performance of industrial clusters. International Journal of Productivity and Performance Management 57 (5) : 405-419. Cerdan AL, Carolina LN, Ramon SS. 2007. Knowledge management strategy diagnosis from KM instruments use. Journal of knowledge management 11 (2) : 60-72. Chien C, Tsai H. 2000. Using fuzzy numbers to evaluate perceived service quality. Fuzzy Sets and Systems, 116, 289-300. Chen Z, Xiangzhen X. 2010. Study on Construction of Knowledge Management System Based on Enhancing Core Competence of Industrial Clusters. International Journal of Business and Management 5 (3). Cheung A, WH Ip, Dawei L. 2005. Expert system for aircraft maintenance services industry. Journal of Quality in Maintenance Engineering. Vol 11 (4) : 348-358 128 Clarke J, Turner P. 2004. Global Competition and the Australian Biotechnology Industry : Developing a Model of SMEs Knowledge Management Strategies. Knowledge and Process Management 11(1) : 38-46. David FR. 2003. Manajemen Strategis – Konsep-konsep . Edisi ke-9. Terjemahan. Prentice Hall Davenport TH, Prusak L. 1998. Working Knowledge : How Organizations Manage What They Know . Boston : Harvard Business School Press Denford JS, YE Chan. 2011. Knowledge strategy typologies : defining dimensions and relationships. Knowledge Management Research and Practise. Vol 9 : 102-119 Deng WJ. 2008. Fuzzy importance-performance analysis for determining critical service attributes. International Journal of Service Industry Management. Vol 19 (2) : 252-270 Des G. 2005. Strategic Management – creating competitive advantages. Second edition. Boston : Mc Graw-Hill DTI. 2005. A practical guide to cluster development. Report to Department of Trade and Industry and the English RDAs. London : Ecotec Research & Consulting Dyer JH, H Singh. 1998. The Relational View : Cooperative Strategy and Sources of Interorganizational Competitive Advantage. Academy of Management Review. Vol 23 No. 4 : Eriyatno.1999. Ilmu Sistem : Meningkatkan mutu dan efektifitas manajemen. Bogor : IPB Press Febriyanti L. 2006. Strategi manajemen pengetahuan (knowledge management strategy) di PT. Perkebunan Nusantara VIII Gunung Mas Bogor. [Tesis]. Bogor : Sekolah Pascasarjana Institut Pertanian Bogor. Ferasso M, Lilia MV, Corinne G. 2010. Enterprises' Knowledge Creation within a Brazilian's Industrial Cluster. IIMS Journal of Management Science.Vol.1 (1) :79-92 Fu H, YC Ho, Roger CY, T Chang, PH Chien. 2006. Factors affecting the adoption of electronic marketplaces - A fuzzy AHP analysis International. Journal of Operations and Production Management. Vol. 26 (12): 13011324 Greiner ME, Bohmann T dan Krcmar H. 2007. A strategy for knowledge management. Journal of knowledge management. Vol. 11(6): 3-15 Haris U. 2006. Rekayasa Model Aliansi Strategis Sistem Agroindustri Crumb Rubber [Disertasi]. Bogor : Sekolah Pascasarjana Institut Pertanian Bogor Hartarto A. 2004. Strategi Clustering dalam Industrialisasi Indonesia. Yogyakarta : ANDI Huseini M. 1999. Mencermati Misteri Globalisasi. Di dalam : Orasi Ilmiah Fakultas Ilmu Sosial dan Politik Universitas Indonesia. Jakarta : Universitas Indonesia [IRGMA] Indonesian Rubber Glove Manufacturers Association. 2005. [IRSG] International Rubber Study Group. 2010. World Rubber Industry Outlook. [ISO] International Organization for Standardization. 2004. ISO/TC 45 Rubber and Rubber Product Business Plan. Kaplan RS dan Norton DP. 2004. Strategy map : converting intangible assets into tangible outcomes. Boston : Harvard Business School Press. 129 Karaev A. 2007.The cluster approach and SME competitiveness: a review. Journal of Manufacturing Technology Management. Vol. 18 (7) : 818-835 Ketels C, G Lindqvist, O Solvell. 2008. Clusters and Cluster Initiatives. Stockholm : Center for Strategy and Competitiveness Kotler P. 1997. Marketing Management : Analysis, Planning, Implementation and Control. London : Prentice Hall Kusbiantono, Ariana L, Agus S, Amir A. 2005. Tacit Knowledge, Formal Knowledge dan Learning (Pembelajaran) Organization pada Usaha Kecil dan Menengah : Studi Eksplorasi dari Pengusaha UKM Sukses. Lembaga Ilmu Pengetahuan Indonesia, Jakarta. Kusumadewi, S. 2010. Aplikasi Logika Fuzzy untuk Pendukung Keputusan . Edisi 2. Yogyakarta : Graha Ilmu. Kwong CK dan Bai H. 2002. A Fuzzy AHP Approach to The Determination of Importance Weights of Customer Requirements in Quality Function Deployment. Journal of Intelligent Manufacturing 13 : 367-377. Leidner D, M Alavi, Timothy K. 2006. The Role of Culture in Knowledge Management : A Case Study of Two Global Firms. International Journal of e-Collaboration Vol. 2(1) : 17-40 Marga U. 2007. Teknologi Lateks Alam Iradiasi – Solusi Problema Produksi Barang Karet. Tangerang : Badan Tenaga Nuklir Nasional Marimin. 2004. Teknik dan Aplikasi Pengambilan Keputusan Kriteria Majemuk. Jakarta : PT Grasindo Marimin. 2005. Teori dan Aplikasi Sistem Pakar dalam Teknologi Manajerial. Bogor : IPB Press Marijan K. 2005. Mengembangkan Industri Kecil Menengah melalui Pendekatan Klaster. INSAN Vol. 7 (3): Marti J. 2004. Strategic knowledge benchmarking system (SKBS) : a knowledgebased strategic management information system for firms. Journal of Knowledge Management 8 : 31-49. McElroy MW. 2002. The New Knowledge Management: Complexity,Learning, and Sustainable Innovation. Boston : KMCI Press/ButterworthHeinemann. Murtaza M. 2003. Fuzzy-AHP Apllication to Country Risk Assestment. American Business Review 21 : 109-116. Nancy C, Suwardin D, Supriadi M. 2001. Kajian Mengenai Pemasaran Lateks : Profil Petani, Industri Lateks Pekat dan Industri Barang Jadi Lateks. Jurnal Penelitian Karet. 19 : 54-76. Natarajan G, S Shekhar. 2001. Knowledge Management Enabling Business Growth. Boston : McGraw-Hill Nicolas R. 2004. Knowledge Management Impact on Decision Making Process. Journal of Knowledge Management 8(1): 20-31. Nelly R, Uhendi H. 2010. Rubber Downstream Industry Development in Indonesia : Current Status, Opportunities and Challenges. Bogor : Bogor Research Center for Rubber Technology Nonaka I, Takeuchi H. 1995. The Knowledge Creating Company. New York : Oxford University Press Inc. Porter ME. 1985. Competitive Advantage – Creating and Sustaining Superior Performance. New York : The Free Press. 130 Porter ME. 1980. Strategi Bersaing – Teknik Menganalisis Industri dan Pesaing. New York : The Free Press, Porter ME. 1990. Competitive Advantage of Nations. New York : The Free Press. Porter ME. 1998. On Competition. A Harvard Business Review Book Pei NS. 2008. Enhancing knowledge creation in organizations. Communications of the IBIMA Vol 3. Puente J, R Pino, P Priore, David F. 2002. A decision support system for applying failure mode and effect analysis. The International Journal of Quality and Reliability Management. Vol 19 (2) : 137-150 Putnam R. 1993. The Prosperous Community – Social Capital and Public Life. American Prospect (13) : 35-42. Ragsdale, C. T. 2001. Teaching management science with spreadsheets: From decision models to decision support. INFORMS Transactions on Education 1. (2) :68-74 Ridha A, Arief P, Uhendi H, Dadang S, Suharto H, Bambang H. 2000. Laporan Akhir Pengembangan Produk Lateks dan Karet untuk Peningkatan Nilai Tambah dan Substitusi Impor. Bogor : Balai Penelitian Teknologi Karet Ross TJ. 2004. Fuzzy logic with Engineering Application. Second Edition. West Sussex : John Wiley & Sons Ltd Sangkala. 2006. Intellectual Capital Management – Strategi Baru Membangun Daya Saing Perusahaan. Jakarta : Yapensi Shansez R, Aime H. 2004. The New Strategic Management : Organization, Competition, and Competence. New York : John Wiley and Sons Sargent, RG. 1999. Validation and Verification of Simulation Model. Proceeding of the 1999 Winter Simulation Conference. Sekaran U. 2000. Research Methods for Business-A Skill-Building Approach. New York : John Wiley & Sons, Inc Scholl W, Christine K, Bertolt M, Peter H. 2004. The future of knowledge management : an international delphy study. Journal of Knowledge Management. Vol 8 : 19-35 Sharma, R K. 2005 Systematic failure mode and effect analysis (FMEA) using fuzzy linguistic modelling. International Journal of Quality & Reability Management. 22 (9):986-1004 Siswanto, Suharyanto, Y Syamsu. 2003. Teknologi Terobosan Pemecahan Masalah Protein Alergen pada Lateks Alam. Bogor : Balai Penelitian Teknologi Karet Shuliang L dan B Davies. 2001. Golstra – A hiybrid system for developing global strategy and associated internet strategy. Management + Data System : 132 Shuliang L, B Davies, J Edwards, R Kinman, Y Duan. 2002. Integrating group Delphi, fuzzy logic and expert systems for marketing strategy development : the hybridisation and its effectiveness, Marketing Intelligence and Planning . Vol. 20 (5) : 273-284. Schmitz H. 1997. Collective Efficiency and Increasing Return. IDS Working Paper 50. Schmitz H, Nadvi K, Humphrey J. 1997. Collective Efficiency: A Way Forward for Small Firms. IDS Policy Briefing. 131 Snyman R, Cornelius JK. 2004. The interdependency betweem strategic management and strategic knowledge management. Journal of Knowledge Management Sölvell O. 2009. Clusters Balancing Evolutionary and Constructive . Stockholm : Ivory Tower Publishers Stevenson WJ. 1996. Productions / Operations Management. Chicago : McGrawHill Sugiarto D, MS Ma’arif. 2004. Integrasi Manajemen Pengetahuan dengan Balanced Scorecard. Jurnal Teknik Industri Universitas Trisakti 3:23-30 Sugiarto D, Marimin. 2005. Pemilihan Produk Hilir Karet Berbasis Lateks Potensial Serta Perumusan Strateginya Dengan Menggunakan Metode AHP, Fuzzy AHP dan Logika Fuzzy. Prosiding Seminar Nasional Operations Research/Management Sciences. Jakarta. Jurusan Teknik Industri Universitas Trisakti. 24 November 2005.hlm 58-70 Suparto D dan Syamsu Y. 2008. Pengembangan Teknologi Tepat Guna Pembuatan Barang Karet Berbasis Lateks Pravulkanisasi. Bogor : Badan Penelitian Teknologi Karet Suryadi, K, Ali R. 2002. Sistem Pendukung keputusan. Bandung : Remaja Rosdakarya Sureephong P. 2007. Knowledge Management System Architecture for the Industry Cluster. Proceeding The International Conference on Industrial Engineering and Engineering Management (IEEM 2007). Singapore. Tay, K M. 2010. Enhancing the Failure Mode and Effect Analysis methodology with fuzzy inference techniques. Journal of Intelligent & Fuzzy System. 21 (2010):135-146 Tesfamariam S, Rehan S. 2006. Risk-based environmental decision-making using fuzzy analytic hierarchy process (F-AHP). Stoch Environ Res Riss Asses. Vol (21) : 35-50 Tiwana A. 2000. The Knowledge Management Tool Kit – Practical Techniques for Building a Knowledge Management System. New Jersey : Prentice Hall Tuomi I. 2002. The Future of Knowledge Management. Lifelong Learning in Europe (LLinE) VII : 69-79. Turban E, JE Aronson, TP Liang. 2005. Decision Support Systems and Intellegent Systems. 7th Ed. Edisi Bahasa Indonesia. Yogyakarta : ANDI Van Horne C, Frayret JM dan Poulin D. 2005. Knowledge management in the forest products industry : the role of centres of expertise. Computers and electronics in agriculture (Available online at www.sciencedirect.com). 47 (3), 167-185. Wenger E. 2004. Knowledge management as a doughnut : shaping your knowledge strategy through communities of practice. Ivey Business Journal Online (Available online at www.iveybusinessjournal.com). 1: 1-8 Wheelen TL, JD Hunger. 2004. Strategic Management and Business Policy. New Jersey : Prentice Hall Wu W dan Lee YT. 2007. Selecting knowledge management strategies by using the analytic network process. Expert Systems with Applications 32 : 841847. 132 Yang T, N Wang. 2008. The Cultivation of Cluster’s Sustainable Competence Based on Knowledge Management. International Journal of Business and Management. Zack MH. 1999. Developing a Knowledge Strategy. California Management Review 41:125-145. Zeinalnezhad M. Muriati M, Shahnorbanun S. 2010. The Role of Clusters and Networks in development of Industrial SMEs. International Conference on Business and Economics Research. Vol.1 (2011). Kuala Lumpur : IACSIT Press 133 Lampiran 1. Kuesioner Pemilihan Inisiatif Strategi Pengembangan Klaster Berbasis Pengetahuan Nama : .................................................. Jabatan : .................................................. Institusi : .................................................. Petunjuk pengisian Kuesioner : Petunjuk pengisian : 1. Berilah tanda silang (x) pada label yang sesuai dengan arti penilaian sebagai berikut : 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) 2. Penilaian dilakukan dengan perbandingan berpasangan yaitu membandingkan kriteria penilaian sebelah kiri atau kolom sama penting (E) ke kiri dengan penilaian sebelah kanan. 3. Kolom penilaian sebelah kiri digunakan jika kriteria sebelah kiri mempunyai pengaruh atau kepentingan yang lebih tinggi, sebaliknya kolom penilaian sebelah kanan digunakan jika kriteria sebelah kanan mempunyai pengaruh atau kepentingan lebih tinggi. 4. Usahakan penilaian Bapak/Ibu konsisten. Misalnya anda menyatakan A lebih penting dari pada B, dan B lebih penting dari pada C, maka penilaian anda konsisten jika menyatakan A lebih penting daripada C. 5. Kriteria dan alternatif yang dibandingkan dapat dilihat pada gambar di bawah. 134 Pengembangan Klaster Industri Barang Celup Lateks Skala Kecil dan Menengah Aktor Penggerak Inisiatif Lembaga Pendukung Pemerintah Industri Perspektif Kinerja Perusahaan Tujuan Strategik Peningkatan Pasar Peningkatan Produktivitas dan Mutu Hasil Sosial/ Ekonomi Efisiensi Kolektif Peningkatan Lapangan Pekerjaan Penurunan Biaya Peningkatan Tenaga Kerja Terspesialisasi Modal Sosial Peningkatan Jumlah Anggota Klaster Aktif Peningkatan Kerjasama Peningkatan kemampuan inovasi Peningkatan konsumsi karet alam I. Perbandingan berpasangan antar aktor Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Industri Industri Pemerintah II.1. Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Pemerintah Lembaga Pendukung Lembaga Pendukung Perbandingan berpasangan antar perspektif untuk aktor Industri Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kinerja perusahaan Kinerja perusahaan Kinerja perusahaan Hasil Sosial/Ekonomi Hasil Sosial/Ekonomi Efisiensi Kolektif II.2. A A A A A A VS VS VS VS VS VS S S S S S S Penilaian W E W W E W W E W W E W W E W W E W S S S S S S VS VS VS VS VS VS A A A A A A Kriteria Hasil Sosial/Ekonomi Efisiensi Kolektif Modal Sosial Efisiensi Kolektif Modal Sosial Modal Sosial Perbandingan berpasangan antar perspektif untuk aktor Pemerintah Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. 135 Kriteria Kinerja perusahaan Kinerja perusahaan Kinerja perusahaan Hasil Sosial/Ekonomi Hasil Sosial/Ekonomi Efisiensi Kolektif II.3. A A A A A A VS VS VS VS VS VS S S S S S S Penilaian W E W W E W W E W W E W W E W W E W S S S S S S VS VS VS VS VS VS A A A A A A Kriteria Hasil Sosial/Ekonomi Efisiensi Kolektif Modal Sosial Efisiensi Kolektif Modal Sosial Modal Sosial Perbandingan berpasangan antar perspektif untuk aktor Lembaga Pendukung Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kinerja perusahaan Kinerja perusahaan Kinerja perusahaan Hasil Sosial/Ekonomi Hasil Sosial/Ekonomi Efisiensi Kolektif A A A A A A VS VS VS VS VS VS S S S S S S Penilaian W E W W E W W E W W E W W E W W E W S S S S S S VS VS VS VS VS VS A A A A A A Kriteria Hasil Sosial/Ekonomi Efisiensi Kolektif Modal Sosial Efisiensi Kolektif Modal Sosial Modal Sosial III.1. Perbandingan berpasangan antar tujuan strategis dalam perspektif kinerja perusahaan Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Perluasan pasar Penilaian A VS S W E W S VS A Kriteria Peningkatan produktivitas dan mutu III.2. Perbandingan berpasangan antar tujuan strategis dalam perspektif Hasil Sosial/Ekonomi Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Peningkatan lapangan pekerjaan Peningkatan lapangan pekerjaan Peningkatan lapangan pekerjaan Peningkatan tenaga kerja terspesialisasi Peningkatan tenaga kerja terspesialisasi Peningkatan kemampuan inovasi Penilaian A VS S W E W S VS A A VS S W E W S VS A A VS S W E W S VS A A VS S W E W S VS A A VS S W E W S VS A A VS S W E W S VS A Kriteria Peningkatan tenaga kerja terspesialisasi Peningkatan kemampuan inovasi Peningkatan konsumsi karet alam Peningkatan kemampuan inovasi Peningkatan konsumsi karet alam Peningkatan konsumsi karet alam III.3. Perbandingan berpasangan antar tujuan strategis dalam perspektif efisiensi kolektif 136 Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Penurunan biaya Penilaian A VS S W E W S VS A Kriteria Peningkatan kerja sama IV.1. Perbandingan berpasangan antar inisiatif dalam tujuan strategis perluasan pasar Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.2. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan produktivitas dan mutu Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.3. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan lapangan pekerjaan Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.4. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah tenaga kerja terspesialisasi Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.5. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan kemampuan inovasi dan teknologi Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. 137 Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.6. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan konsumsi karet alam Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.7. Perbandingan berpasangan antar inisiatif dalam tujuan strategis penurunan biaya Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.8. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah jumlah kerjasama Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi IV.9. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah anggota klaster aktif Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Pengembangan bisnis Pengembangan bisnis Kerja sama komersial Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Kerjasama komersial Inovasi dan teknologi Inovasi dan teknologi 138 Lampiran 2. Data Hasil Perbandingan Berpasangan Kuesioner Strategi Klaster I. Perbandingan berpasangan antar aktor   Hasil Penilaian Pakar ( isi perbandingan terhadap kriteria baris yang lebih  kuat)  PAKAR 1   Alternatif  Industri  Pemerintah  Lembaga  Pendukung  CR  Industri  e w  s  0,034482759 Pemerintah Lembaga  Pendukung  e     w  e  PAKAR 2   Alternatif  Industri  Pemerintah  Lembaga  Pendukung  CR  Industri  e w     0,034482759 e  Lembaga  Pendukung  w s     e  Pemerintah s  e  Lembaga  Pendukung        vs  e  Pemerintah PAKAR 3   Alternatif  Industri  Pemerintah  Lembaga  Pendukung  Industri  e     w  0,051724138 CR    II.1.   Perbandingan berpasangan antar perspektif untuk aktor Industri      PAKAR 1  139 Kriteria  Kinerja Perusahaan  Hasil  Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR    PAKAR 2  Kriteria  Kinerja Perusahaan  Hasil  Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  PAKAR 3  Kriteria  Kinerja Perusahaan  Hasil  Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  Kinerja  Perusahaan  e  Hasil Sosial/  Ekonomi  s  Efisiensi  Kolektif  w  Modal Sosial  s  e  w        e     w  s  e  Kinerja  Perusahaan e  Hasil  Sosial/Ekonomi a  Efisiensi  Kolektif  vs  Modal Sosial a     e  w       e     w  w e  Hasil  Sosial/Ekonomi  s  Efisiensi  Kolektif  w  Modal Sosial  s  e  w        e     w  w  e           0,077777778    0,088888889 Kinerja  Perusahaan  e           0,077777778 II.2.   Perbandingan berpasangan antar perspektif untuk aktor Pemerintah  PAKAR 1  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e w  e  w           0,077777778 Efisiensi  Kolektif  w  e     Modal Sosial  w s  w  e  140 PAKAR 2  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  PAKAR 3  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e     s  e              0,044444444 Efisiensi  Kolektif  e  w  e     Modal Sosial  w  s  w  e  Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e     s  e  w           0,011111111 Efisiensi  Kolektif     w  e     Modal Sosial  e  s  w  e  II.3.   Perbandingan berpasangan antar perspektif untuk aktor Lembaga Pendukung  PAKAR 1  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  PAKAR 2  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR        Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e  w     e  w  w        0,055555556 Efisiensi  Kolektif        e     Modal Sosial  w  e  w  e  Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e     w  e  s           0,066666667 Efisiensi  Kolektif     e  e     Modal Sosial  w  w  vs  e  141 PAKAR 3  Kriteria  Kinerja Perusahaan  Hasil Sosial/Ekonomi  Efisiensi Kolektif  Modal Sosial  CR  Kinerja  Hasil  Perusahaan  Sosial/Ekonomi e     w  e  w  w        0,077777778 Efisiensi  Kolektif        e     Modal Sosial  w  w  s  e  III.1.  Perbandingan  berpasangan  antar  tujuan  strategis  dalam  perspektif  kinerja  perusahaan    PAKAR 1  Peningkatan  Produktivitas  &  Kualitas  Alternatif  Perluasan Pasar  Peningkatan Produktivitas &  Kualitas  Perluasan Pasar  e    s  e  PAKAR 2  Peningkatan  Produktivitas  &  Kualitas  Alternatif  Perluasan Pasar  Peningkatan Produktivitas &  Kualitas  Perluasan Pasar  e  w     e  PAKAR3  Peningkatan  Produktivitas  &  Kualitas  Alternatif  Perluasan Pasar  Peningkatan Produktivitas &  Kualitas  Perluasan Pasar  e     w  e  142 III.2.  Perbandingan  berpasangan  antar  tujuan  strategis  dalam  perspektif  Hasil   Sosial/Ekonomi  PAKAR 1  Kriteria  Peningkatan Lap.  Pekerjaan  Peningkatan TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  CR  PAKAR 2  Kriteria  Peningkatan Lap.  Pekerjaan  Peningkatan TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  CR  Peningkatan  Lap.  Pekerjaan  Peningkatan  TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  e           w  e     w  vs  e  e  w  w  0,055555556       e  Peningkatan  Lap.  Pekerjaan  Peningkatan  TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  e  w  w  s  e e w       e  w     0,011111111       e  143 PAKAR 3  Kriteria  Peningkatan Lap.  Pekerjaan  Peningkatan TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  CR  Peningkatan  Lap.  Pekerjaan  Peningkatan  TK  Terspesialisasi  Peningkatan  Kemampuan  Inovasi  Peningkatan  Konsumsi Karet  Alam  e  w  w  S  e e W       e  w     0,011111111       e  III.3.  Perbandingan  berpasangan  antar  tujuan  strategis  dalam  perspektif  efisiensi   kolektif  PAKAR 1  Peningkatan  Kerja  Sama  Alternatif  Penurunan Biaya  Peningkatan Kerja Sama  Penurunan Biaya e  s     e  PAKAR 2  Alternatif  Penurunan Biaya  Peningkatan Kerja Sama Peningkatan  Kerja  Penurunan Biaya Sama  e     w e  PAKAR3  Alternatif  Penurunan Biaya  Peningkatan Kerja Sama  Peningkatan  Kerja  Penurunan Biaya Sama  e     w  e  144 IV.1. Perbandingan berpasangan antar inisiatif dalam tujuan strategis perluasan pasar  PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w  vs Kerjasama  Komersial     e  w Inovasi dan Teknologi        e Pengembangan  Bisnis  e  w  s 0,034482759 Kerjasama  Komersial     e  w Inovasi dan Teknologi        e Pengembangan  Bisnis  e        0,034482759 Kerjasama  Komersial  w  e     Inovasi dan Teknologi  S  W  E  0 PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  IV.2. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan produktivitas dan mutu PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  PAKAR 2 (Bu Hani)  Pengembangan  Bisnis  e  w  vs  0,051724138 Kerjasama  Komersial     e  s  Inovasi dan Teknologi        E  145 Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w s  0,034482759 Kerjasama  Komersial     e w  Pengembangan  Bisnis  e     s  0,051724138 Kerjasama  Komersial  w  e  vs  Inovasi dan Teknologi     e  PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Inovasi dan Teknologi        e  IV.3. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan lapangan pekerjaan PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e        0,034482759 Kerjasama  Komersial  s  e  w  Inovasi dan Teknologi  w     e  Pengembangan  Bisnis  e       Kerjasama  Komersial  w e  w  Inovasi dan Teknologi  e    e  PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  0 146 PAKAR 3 (Bu Yuli)  Pengembangan  Kerjasama  Alternatif  Bisnis  Komersial  Inovasi dan Teknologi  Pengembangan Bisnis  e s w Kerjasama Komersial     e     Inovasi dan Teknologi     w  e  CR  0,034482759 IV.4. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah tenaga kerja terspesialisasi PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e    s  0,051724138 Kerjasama  Komersial  w e  vs  Pengembangan  Bisnis  e    w  0,034482759 Kerjasama  Komersial  w e  s  Inovasi dan Teknologi     e  PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Inovasi dan Teknologi     e  PAKAR 3 (Bu Yuli)  Pengembangan  Kerjasama  Alternatif  Bisnis  Komersial  Inovasi dan Teknologi  Pengembangan Bisnis  e        Kerjasama Komersial  w e Inovasi dan Teknologi  vs  s  e  CR  0,051724138 IV.5. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan kemampuan inovasi dan teknologi     147 PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w  vs  0,051724138 Kerjasama  Komersial     e  s  Inovasi dan Teknologi        e  Pengembangan  Bisnis  e  w     0,034482759 Kerjasama  Komersial     e     Inovasi dan Teknologi  w  s  e  PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  PAKAR 3 (Bu Yuli)  Pengembangan  Kerjasama  Alternatif  Bisnis  Komersial  Inovasi dan Teknologi  Pengembangan Bisnis  e  w     Kerjasama Komersial     e     Inovasi dan Teknologi  s  vs  e  CR  0,051724138 IV.6. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan konsumsi karet alam PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w  s  0,034482759 Kerjasama  Komersial     e  w  Inovasi dan Teknologi        e  148 PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e    s  0,051724138 Kerjasama  Komersial  w e  vs  Pengembangan  Bisnis  e    w  0,051724138 Kerjasama  Komersial  s e  vs  Inovasi dan Teknologi     e  PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Inovasi dan Teknologi     e  IV.7. Perbandingan berpasangan antar inisiatif dalam tujuan strategis penurunan biaya PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w  Kerjasama  Komersial     e  Inovasi dan Teknologi  s  vs  e 0,051724138 PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR      Pengembangan  Bisnis e  w  0,034482759 Kerjasama  Komersial    e  Inovasi dan Teknologi w  s  e 149 PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w     0,034482759 Kerjasama  Komersial     e     Inovasi dan Teknologi  w  s  e  IV.8. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah jumlah kerjasama PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e w  s  0,034482759 Kerjasama  Komersial  Inovasi dan Teknologi  e  w     e  Pengembangan  Bisnis  e    w  0,034482759 Kerjasama  Komersial  w e  s  Pengembangan  Bisnis  e  Kerjasama  Komersial  s  e vs  PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Inovasi dan Teknologi     e  PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  w  0,051724138 Inovasi dan Teknologi     e  IV.9. Perbandingan berpasangan antar inisiatif dalam tujuan strategis peningkatan jumlah anggota klaster aktif     150 PAKAR 1 (Pak Uhendi)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  s  0,051724138 Kerjasama  Komersial  w  e  vs  Inovasi dan Teknologi  e  PAKAR 2 (Bu Hani)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR  Pengembangan  Bisnis  e  w  Kerjasama  Komersial  e  Inovasi dan Teknologi  w  s  e  0,034482759 PAKAR 3 (Bu Yuli)  Alternatif  Pengembangan Bisnis  Kerjasama Komersial  Inovasi dan Teknologi  CR    Keterangan  :    e  w  s  vs  a  Pengembangan  Bisnis  e  w  0,051724138 Kerjasama  Komersial  s  e  vs  Sama Penting ( equally)  Sedikit lebih penting ( moderatly)  Jelas Lebih penting  Sangat jelas lebih penting  ( VS) Mutlak Lebih Penting  ( extremely  prefered)  Inovasi dan Teknologi  e  151 Lampiran 3 Contoh Perhitungan FAHP Perbandingan Berpasangan Antar Perspektif untuk Perusahaan Pakar1 Kinerja Perusahaan Kinerja Perusahaan bawah 1 tengah 1 atas 1 Hasil Sosial/Ekonomi 0,142857143 0,2 0,333333333 Efisiensi Kolektif 0,2 0,333333333 1 Modal Sosial 0,142857143 0,2 0,333333333 Hasil Sosial/Ekonomi Kinerja Perusahaan bawah tengah atas 3 5 7 Hasil Sosial/Ekonomi 1 1 1 Efisiensi Kolektif 1 3 5 Modal Sosial 0,2 0,333333333 1 Efisiensi Kolektif bawah tengah atas Kinerja Perusahaan 1 3 5 Hasil Sosial/Ekonomi 0,2 0,333333 1 Efisiensi Kolektif 1 1 1 Modal Sosial 0,14285714 0,2 0,333333 Modal Sosial bawah tengah atas Kinerja Perusahaan 3 5 7 Hasil Sosial/Ekonomi 1 3 5 Efisiensi Kolektif 3 5 7 Modal Sosial 1 1 1 Pakar 2 Kinerja Perusahaan Kinerja Perusahaan bawah 1 tengah 1 atas 1 Hasil Sosial/Ekonomi 0,111111111 0,111111111 0,142857143 Efisiensi Kolektif 0,111111111 0,142857143 0,2 Modal Sosial 0,111111111 0,111111111 0,142857143 152 Hasil Sosial/Ekonomi bawah tengah atas Kinerja Perusahaan 7 9 9 Hasil Sosial/Ekonomi 1 1 1 Efisiensi Kolektif 1 3 5 Modal Sosial 0,2 0,333333 1 Efisiensi Kolektif bawah tengah atas Kinerja Perusahaan 5 7 9 Hasil Sosial/Ekonomi 0,2 0,333333 1 Efisiensi Kolektif 1 1 1 Modal Sosial 0,2 0,333333 1 Modal Sosial Kinerja Perusahaan bawah tengah atas 7 9 9 Hasil Sosial/Ekonomi 1 3 5 Efisiensi Kolektif 1 3 5 Modal Sosial 1 1 1 Kinerja Perusahaan bawah 1 tengah 1 atas 1 Hasil Sosial/Ekonomi 0,142857143 0,2 0,333333333 Efisiensi Kolektif 0,2 0,333333333 1 Modal Sosial 0,142857143 0,2 0,333333333 Pakar 3 Kinerja Perusahaan Hasil Sosial/Ekonomi Kinerja Perusahaan bawah tengah atas 3 5 7 Hasil Sosial/Ekonomi 1 1 1 Efisiensi Kolektif 1 3 5 Modal Sosial 0,2 0,333333 1 153 Efisiensi Kolektif bawah tengah Atas Kinerja Perusahaan 1 3 5 Hasil Sosial/Ekonomi 0,2 0,333333 1 Efisiensi Kolektif 1 1 1 Modal Sosial 0,2 0,333333 1 Modal Sosial bawah tengah atas Kinerja Perusahaan 3 5 7 Hasil Sosial/Ekonomi 1 3 5 Efisiensi Kolektif 1 3 5 Modal Sosial 1 1 1 Gabungan Pakar Kriteria Geomean Gabungan Pakar Bawah Tengah Atas Kinerja Perusahaan 2,28 3,48 4,33 Hasil Sosial/Ekonomi 0,4 0,64 1,06 Efisiensi Kolektif 0,7 1,28 2,01 Modal Sosial 0,26 0,35 0,65 3,64 5,75 8,05 Kriteria Normalisasi Bawah Tengah Crisp Atas Norm Crisp Kinerja Perusahaan 0,283229814 0,605217391 1,18956 0,67080626 0,580 Hasil Sosial/Ekonomi 0,049689441 0,111304348 0,291209 0,14087673 0,120 Efisiensi Kolektif 0,086956522 0,222608696 0,552198 0,27109293 0,230 Modal Sosial 0,032298137 0,060869565 0,178571 0,08315217 0,070 1,16592809 154 Lampiran 4. Kuesioner Pemilihan Strategi Manajemen Pengetahuan Nama : .................................................. Jabatan : .................................................. Institusi : .................................................. Petunjuk pengisian Kuesioner : Petunjuk pengisian : 1. Berilah tanda silang (x) pada label yang sesuai dengan arti penilaian sebagai berikut : Label E W S VS A Keterangan Sama penting (equally) Sedikit lebih penting (moderatly) Jelas lebih penting (strongly) Sangat jelas lebih penting (very strongly) Mutlak lebih penting (extremly preferred) 6. Penilaian dilakukan dengan perbandingan berpasangan yaitu membandingkan kriteria penilaian sebelah kiri atau kolom sama penting (E) ke kiri dengan penilaian sebelah kanan. 7. Kolom penilaian sebelah kiri digunakan jika kriteria sebelah kiri mempunyai pengaruh atau kepentingan yang lebih tinggi, sebaliknya kolom penilaian sebelah kanan digunakan jika kriteria sebelah kanan mempunyai pengaruh atau kepentingan lebih tinggi. 8. Usahakan penilaian Bapak/Ibu konsisten. Misalnya anda menyatakan A lebih penting dari pada B, dan B lebih penting dari pada C, maka penilaian anda konsisten jika menyatakan A lebih penting daripada C. 9. Kriteria dan alternatif yang dibandingkan dapat dilihat pada gambar di bawah. 155 I. Perbandingan berpasangan antar kriteria Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Dukungan pemerintah Dukungan pemerintah Dukungan pemerintah Dukungan pemerintah Komunikasi Komunikasi Komunikasi Budaya dan Orang Budaya dan Orang Waktu II. A A A A A A A A A A VS VS VS VS VS VS VS VS VS VS S S S S S S S S S S Penilaian W E W W E W W E W W E W W E W W E W W E W W E W W E W W E W S S S S S S S S S S VS VS VS VS VS VS VS VS VS VS A A A A A A A A A A Kriteria Komunikasi Budaya dan Orang Waktu Biaya Budaya dan Orang Waktu Biaya Waktu Biaya Biaya Perbandingan berpasangan antar alternatif strategis dalam kriteria dukungan pemerintah Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kodifikasi Kodifikasi Personalisasi III. Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Personalisasi Kombinasi Kombinasi Perbandingan berpasangan antar alternatif strategis dalam kriteria komunikasi Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kodifikasi Kodifikasi Personalisasi IV. Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Personalisasi Kombinasi Kombinasi Perbandingan berpasangan antar alternatif strategis dalam kriteria budaya dan orang 156 Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kodifikasi Kodifikasi Personalisasi V. Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Personalisasi Kombinasi Kombinasi Perbandingan berpasangan antar alternatif strategis dalam kriteria waktu Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kodifikasi Kodifikasi Personalisasi Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Personalisasi Kombinasi Kombinasi VI. Perbandingan berpasangan antar alternatif strategis dalam kriteria biaya Berilah tanda silang pada huruf yang sesuai dalam kolom Penilaian. Kriteria Kodifikasi Kodifikasi Personalisasi Penilaian A VS S W E W S VS A VS S W E W S VS A VS S W E W S VS A A A Kriteria Personalisasi Kombinasi Kombinasi 157 Lampiran 5 Contoh Data Hasil Perbandingan Berpasangan Kuesioner Strategi Manajemen Pengetahuan I. Perbandingan berpasangan antar kriteria Kriteria  Dukungan  Pemerintah  Komunikasi  Budaya dan Orang  Waktu  Biaya  CR  VII. Dukungan  Pemerintah  e     w        0,088709677 Komunikasi  Budaya  dan Orang  Waktu  Biaya  w  e  s              e        s  s  s  e  w  w  w  s     e  Perbandingan berpasangan antar alternatif strategis dalam kriteria dukungan pemerintah Alternatif  Kodifikasi  Personalisasi  Kombinasi  Kodifikasi  e     w  Personalisasi  w  e  s  Kombinasi        e  158 Lampiran 6 Data Penilaian Analisis Kesenjangan Pengetahuan Tingkat Kondisi Area Pengetahuan Saat Ini Responden 1 Responden 2 Responden 3 Responden 4 Sedang Sedang Lemah Sedang Kuat Sedang Sedang Kuat Sedang Sedang Sedang Kuat Kuat Sedang Sedang Kuat Sedang Kuat Sedang Sedang Sedang Sedang Sedang Kuat Sedang Sedang Sedang Kuat Sedang Sedang Sedang Sedang Sedang Lemah Sedang Sedang Sedang Kuat Kuat Sedang Sedang Sedang Lemah Kuat Sedang Sedang Lemah Sedang Sedang Sedang Sedang Sedang Sedang Sedang Sedang Kuat Sedang Sedang Lemah Kuat Kuat Sedang Sedang Kuat Sedang Kuat Sedang Sedang Lemah Lemah Kuat Sedang 159 Responden 1  Responden 2  Responden 3  Responden 4  Average  0,3  0,5  0,7  0,3  0,5  0,7  0,05  0,25  0,45  0,3  0,5  0,7  0,24  0,44  0,64  0,55  0,3  0,75  0,5  0,95  0,7  0,3  0,55  0,5  0,75  0,7  0,95  0,3  0,3  0,5  0,5  0,7  0,7  0,3  0,55  0,5  0,75  0,7  0,95  0,36  0,43  0,56  0,63  0,76  0,83  0,55  0,75  0,95  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,43  0,63  0,83  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,55  0,75  0,95  0,43  0,63  0,83  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,05  0,25  0,45  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,55  0,75  0,95  0,36  0,56  0,76  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,3  0,3  0,3  0,3  0,3  0,5  0,5  0,5  0,5  0,5  0,7  0,7  0,7  0,7  0,7  0,3  0,3  0,3  0,3  0,3  0,5  0,5 0,5  0,5 0,5  0,7  0,7 0,7  0,7 0,7  0,05  0,05 0,3  0,3 0,05  0,25  0,25 0,5  0,5 0,25  0,45  0,45 0,7  0,7 0,45  0,55  0,3 0,3  0,55 0,55  0,75  0,5 0,5  0,75 0,75  0,95  0,7  0,7  0,95  0,95  0,3  0,24  0,3  0,36  0,3  0,5  0,44 0,5  0,56 0,5  0,7  0,64 0,7  0,76 0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,55  0,75  0,95  0,43  0,63  0,83  0,3  0,5  0,7  0,3  0,5  0,7  0,05  0,25  0,45  0,55  0,75  0,95  0,3  0,5  0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,05  0,25  0,45  0,3  0,5  0,7  0,3  0,5  0,7  160 Data Tingkat Kepentingan (Kebutuhan) Area Pengetahuan Responden 1 Responden 2 Responden 3 Responden 4 Sangat Penting Sangat Penting Penting Sangat Penting Sangat Penting Cukup Penting Cukup Penting Sangat Penting Penting Penting Sangat Penting Penting Penting Penting Cukup Penting Penting Penting Penting Penting Cukup Cukup Penting Penting Cukup Sangat Penting Cukup Sangat Penting Sangat Penting Cukup Cukup penting penting Cukup Sangat Penting Sangat Penting Cukup Sangat Penting Cukup Penting Cukup Cukup Penting Cukup Cukup Cukup Cukup Penting Penting Sangat Penting Sangat Penting Sangat Penting Penting Sangat Penting Cukup Cukup Cukup Cukup Cukup Penting Cukup Cukup Penting Cukup Cukup Cukup Sangat Penting Sangat Penting Penting Sangat Penting 161 Responden 1  Responden 2  Responden 3  Responden 4  Average  0,8  1  1  0,8  1  1  0,55  0,75  0,95  0,8  1  1  0,74  0,94  0,99  0,8  1  1  0,55  0,75  0,95  0,55  0,75  0,95  0,3  0,5  0,7  0,55  0,75  0,9  0,55  0,75  0,95  0,55  0,75  0,95  0,55  0,75  0,95  0,8  1  1  0,61  0,81  0,96  0,8  1  1  0,8  1  1  0,55  0,75  0,95  0,8  1  1  0,74  0,94  0,99  0,8  1  1  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,49  0,69  0,84  0,3  0,5  0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,55  0,75  0,95  0,55  0,75  0,95  0,55  0,75  0,95  0,55  0,75  0,95  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,55  0,75  0,95  0,55  0,75  0,95  0,43  0,63  0,83  0,55  0,75  0,95  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,43  0,63  0,83  0,8  1  1  0,8  1  1  0,3  0,5  0,7  0,8  1  1  0,68  0,88  0,93  0,3  0,5  0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,3  0,5  0,7  0,55  0,75  0,95  0,55  0,75  0,95  0,8  1  1  0,55  0,75  0,9  0,8  1  1  0,8  1  1  0,55  0,75  0,95  0,8  1  1  0,74  0,94  0,99  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,55  0,75  0,95  0,3  0,5  0,7  0,3  0,5  0,7  0,3  0,5  0,7  0,36  0,56  0,76  0,8  1  1  0,8  1  1  0,55  0,75  0,95  0,8  1  1  0,74  0,94  0,99  162 Lampiran 7 Rule dalam FFMEA dan contoh perhitungan defuzzifikasi 1. If severity is VL and occurrence is VL and detection is VL then FPRN is VL. 2. If severity is VL and occurrence is VL and detection is L then FRPN is VL. 3. If severity is VL and occurrence is VL and detection is M then FRPN is VL. 4. If severity is VL and occurrence is VL and detection is H then FRPN is VL - L. 5. If severity is VL and occurrence is VL and detection is VH then FPRN is VL - L. 6. If severity is VL and occurrence is L and detection is VL then FRPN is VL. 7. If severity is VL and occurrence is L and detection is L then FRPN is VL - L. 8. If severity is VL and occurrence is L and detection is M then FRPN is VL - L. 9. If severity is VL and occurrence is L and detection is H then FRPN is L. 10. If severity is VL and occurrence is L and detection is VH then FRPN is L. 11. If severity is VL and occurrence is M and detection is VL then FRPN is VL. 12. If severity is VL and occurrence is M and detection is L then FRPN is VL - L. 13. If severity is VL and occurrence is M and detection is M then FRPN is L. 14. If severity is VL and occurrence is M and detection is H then FRPN is L. 15. If severity is VL and occurrence is M and detection is VH then FRPN is L. 16. If severity is VL and occurrence is H and detection is VL then FRPN is VL - L. 17. If severity is VL and occurrence is H and detection is L then FRPN is L. 18. If severity is VL and occurrence is H and detection is M then FRPN is L. 19. If severity is VL and occurrence is H and detection is H then FRPN is L - M. 20. If severity is VL and occurrence is H and detection is V H then FRPN is L - M. 21. If severity is VL and occurrence is VH and detection is VL then FRPN is VL - L. 22. If severity is VL and occurrence is VH and detection is L then FRPN is L. 23. If severity is VL and occurrence is VH and detection is M then FRPN is L. 24. If severity is VL and occurrence is VH and detection is H then FRPN is L - M. 25. If severity is VL and occurrence is VH and detection is very H then FRPN is M. 26. If severity is L and occurrence is VL and detection is VL then FRPN is L. 27. If severity is L and occurrence is VL and detection is L then FRPN is L. 28. If severity is L and occurrence is VL and detection is M then FRPN is L. 29. If severity is L and occurrence is VL and detection is H then FRPN is L - M. 30. If severity is L and occurrence is VL and detection is very H then FRPN is L - M. 163 31. If severity is L and occurrence is L and detection is VL then FRPN is L. 32. If severity is L and occurrence is L and detection is L then FRPN is L - M. 33. If severity is L and occurrence is L and detection is M then FRPN is L - M. 34. If severity is L and occurrence is L and detection is H then FRPN is M. 35. If severity is L and occurrence is L and detection is very H then FRPN is M. 36. If severity is L and occurrence is M and detection is VL then FRPN is L. 37. If severity is L and occurrence is M and detection is L then FRPN is L - M. 38. If severity is L and occurrence is M and detection is M then FRPN is M. 39. If severity is L and occurrence is M and detection is H then FRPN is M. 40. If severity is L and occurrence is M and detection is very H then FRPN is M. 41. If severity is L and occurrence is H and detection is VL then FRPN is L - M. 42. If severity is L and occurrence is H and detection is L then FRPN is M. 43. If severity is L and occurrence is H and detection is M then FRPN is M. 44. If severity is L and occurrence is H and detection is H then FRPN is M - H. 45. If severity is L and occurrence is H and detection is very H then FRPN is M - H. 46. If severity is L and occurrence is VH and detection is VL then FRPN is L - M. 47. If severity is L and occurrence is VH and detection is L then FRPN is M. 48. If severity is L and occurrence is VH and detection is M then FRPN is M. 49. If severity is L and occurrence is VH and detection is H then FRPN is M - H. 50. If severity is L and occurrence is VH and detection is very H then FRPN is H. 51. If severity is M and occurrence is VL and detection is VL then FRPN is M. 52. If severity is M and occurrence is VL and detection is L then FRPN is M. 53. If severity is M and occurrence is VL and detection is M then FRPN is M. 54. If severity is M and occurrence is VL and detection is H then FRPN is M - H. 55. If severity is M and occurrence is VL and detection is very H then FRPN is M - H. 56. If severity is M and occurrence is L and detection is VL then FRPN is M. 57. If severity is M and occurrence is L and detection is L then FRPN is M-H. 58. If severity is M and occurrence is L and detection is M then FRPN is M-H. 59. If severity is M and occurrence is L and detection is H then FRPN is H. 60. If severity is M and occurrence is L and detection is very H then FRPN is H. 61. If severity is M and occurrence is M and detection is VL then FRPN is M. 164 62. If severity is M and occurrence is M and detection is L then FRPN is M - H. 63. If severity is M and occurrence is M and detection is M then FRPN is H. 64. If severity is M and occurrence is M and detection is H then FRPN is H. 65. If severity is M and occurrence is M and detection is very H then FRPN is H. 66. If severity is M and occurrence is H and detection is VL then FRPN is M - H. 67. If severity is M and occurrence is H and detection is L then FRPN is H. 68. If severity is M and occurrence is H and detection is M then FRPN is H. 69. If severity is M and occurrence is H and detection is H then FRPN is H - VH. 70. If severity is M and occurrence is H and detection is very H then FRPN is H VH. 71. If severity is M and occurrence is VH and detection is VL then FRPN is M - H. 72. If severity is M and occurrence is VH and detection is L then FRPN is H. 73. If severity is M and occurrence is VH and detection is M then FRPN is H. 74. If severity is M and occurrence is VH and detection is H then FRPN is H - VH. 75. If severity is M and occurrence is VH and detection is very H then FRPN is VH. 76. If severity is H and occurrence is VL and detection is VL then FRPN is H. 77. If severity is H and occurrence is VL and detection is L then FRPN is H. 78. If severity is H and occurrence is VL and detection is M then FRPN is H. 79. If severity is H and occurrence is VL and detection is H then FRPN is H - VH. 80. If severity is H and occurrence is VL and detection is VH then FRPN is H - VH. 81. If severity is H and occurrence is L and detection is VL then FRPN is H. 82. If severity is H and occurrence is L and detection is L then FRPN is H-VH. 83. If severity is H and occurrence is L and detection is M then FRPN is H - VH. 84. If severity is H and occurrence is L and detection is H then FRPN is VH. 85. If severity is H and occurrence is L and detection is VH then FRPN is VH. 86. If severity is H and occurrence is M and detection is VL then FRPN is H. 87. If severity is H and occurrence is M and detection is L then FRPN is H - VH. 88. If severity is H and occurrence is M and detection is M then FRPN is VH. 89. If severity is H and occurrence is M and detection is H then FRPN is VH. 90. If severity is H and occurrence is M and detection is VH then FRPN is VH. 91. If severity is H and occurrence is H and detection is VL then FRPN is H - VH. 165 92. If severity is H and occurrence is H and detection is L then FRPN is VH. 93. If severity is H and occurrence is H and detection is M then FRPN is VH. 94. If severity is H and occurrence is H and detection is H then FRPN is VH. 95. If severity is H and occurrence is H and detection is VH then FRPN is VH. 96. If severity is H and occurrence is VH and detection is VL then FRPN is H - VH. 97. If severity is H and occurrence is VH and detection is L then FRPN is VH. 98. If severity is H and occurrence is VH and detection is M then FRPN is VH. 99. If severity is H and occurrence is VH and detection is H then FRPN is VH. 100. If severity is H and occurrence is VH and detection is very H then FRPN is VH. 101. If severity is VH and occurrence is VL and detection is VL then FRPN is VH. 102. If severity is VH and occurrence is VL and detection is L then FRPN is VH. 103. If severity is VH and occurrence is VL and detection is M then FRPN is VH. 104. If severity is VH and occurrence is VL and detection is H then FRPN is VH. 105. If severity is VH and occurrence is VL and detection is VH then FRPN is VH. 106. If severity is VH and occurrence is L and detection is VL then FRPN is VH. 107. If severity is VH and occurrence is L and detection is L then FRPN is VH. 108. If severity is VH and occurrence is L and detection is M then FRPN is VH. 109. If severity is VH and occurrence is L and detection is H then FRPN is VH. 110. If severity is VH and occurrence is L and detection is very H then FRPN is VH. 111. If severity is VH and occurrence is M and detection is VL then FRPN is VH. 112. If severity is VH and occurrence is M and detection is L then FRPN is VH. 113. If severity is VH and occurrence is M and detection is M then FRPN is VH. 114. If severity is VH and occurrence is M and detection is H then FRPN is VH. 115. If severity is VH and occurrence is M and detection is VH then FRPN is VH. 116. If severity is VH and occurrence is H and detection is VL then FRPN is VH. 117. If severity is VH and occurrence is H and detection is L then FRPN is VH. 118. If severity is VH and occurrence is H and detection is M then FRPN is VH. 119. If severity is VH and occurrence is H and detection is H then FRPN is VH. 120. If severity is VH and occurrence is H and detection is VH then FRPN is VH. 121. If severity is VH and occurrence is VH and detection is VL then FRPN is VH. 122. If severity is VH and occurrence is VH and detection is L then FRPN is VH. 166 123. If severity is VH and occurrence is VH and detection is M then FRPN is VH. 124. If severity is VH and occurrence is VH and detection is H then FRPN is VH. 125. If severity is VH and occurrence is VH and detection is VH then FRPN is VH. Contoh perhitungan manual untuk input S = 6, O = 5, dan D = 3 Evaluasi aturan : α1 = min ( αS VL [6] , αO VL [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α2 = min ( αS VL [6] , αO VL [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α3 = min ( αS VL [6] , αO VL [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α4 = min ( αS VL [6] , αO VL [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α5 = min ( αS VL [6] , αO VL [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α6 = min ( αS VL [6] , αO L [5] , αD VL [3] ) = min ( 0 ; 0; 0 ) = 0 α7 = min ( αS VL [6] , αO L [5] , αD L [3] ) = min ( 0 ; 0; 0,75 ) = 0 α8 = min ( αS VL [6] , αO L [5] , αD M [3] ) = min ( 0 ; 0; 0,25 ) = 0 α9 = min ( αS VL [6] , αO L [5] , αD H [3] ) = min ( 0 ;0; 0 ) = 0 α10 = min ( αS VL [6] , αO L [5] , αD VH [3] ) = min ( 0 ; 0; 0 ) = 0 α11 = min ( αS VL [6] , αO M [5] , αD VL [3] ) = min ( 0 ; 1 ; 0 ) = 0 α12 = min ( αS VL [6] , αO M [5] , αD L [3] ) = min ( 0 ; 1; 0.75 ) = 0 α13 = min ( αS VL [6] , αO M [5] , αD M [3] ) = min ( 0 ; 1; 0,25 ) = 0 α14 = min ( αS VL [6] , αO M [5] , αD H [3] ) = min ( 0 ; 1; 0 ) = 0 α15 = min ( αS VL [6] , αO M [5] , αD VH [3] ) = min ( 0 ; 1; 0 ) = 0 α16 = min ( αS VL [6] , αO H [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α17 = min ( αS VL [6] , αO H [5] , αD L [3] ) = min ( 0 ; 0 ; 0.75 ) = 0 α18 = min ( αS VL [6] , αO H [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α19 = min ( αS VL [6] , αO H [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α20 = min ( αS VL [6] , αO H [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α21 = min ( αS VL [6] , αO VH [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α22 = min ( αS VL [6] , αO VH [5] , αD L [3] ) = min ( 0 ; 0 ; 0.75 ) = 0 α23 = min ( αS VL [6] , αO VH [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α24 = min ( αS VL [6] , αO VH [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α25 = min ( αS VL [6] , αO VH [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 167 α26 = min ( αS L [6] , αO VL [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α27 = min ( αS L [6] , αO VL [5] , αD L [3] ) = min ( 0 ; 0 ; 0.75 ) = 0 α28 = min ( αS L [6] , αO VL [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α29 = min ( αS L [6] , αO VL [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α30 = min ( αS L [6] , αO VL [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α31 = min ( αS L [6] , αO L [5] , αD VL [3] ) = min ( 0 ; 0; 0 ) = 0 α32 = min ( αS L [6] , αO L [5] , αD L [3] ) = min ( 0 ; 0; 0.75 ) = 0 α33 = min ( αS L [6] , αO L [5] , αD M [3] ) = min ( 0 ; 0; 0,25 ) = 0 α34 = min ( αS L [6] , αO L [5] , αD H [3] ) = min ( 0 ; 0; 0 ) = 0 α35 = min ( αS L [6] , αO L [5] , αD VH [3] ) = min ( 0 0; 0 ) = 0 α36 = min ( αS L [6] , αO M [5] , αD VL [3] ) = min ( 0 ; 1 ; 0 ) = 0 α37 = min ( αS L [6] , αO M [5] , αD L [3] ) = min ( 0 ; 1; 0,75 ) = 0 α38 = min ( αS L [6] , αO M [5] , αD M [3]) = min ( 0 ; 1; 0,25 ) = 0 α39 = min ( αS L [6] , αO M [5] , αD H [3] ) = min ( 0 ; 1; 0 ) = 0 α40 = min ( αS L [6] , αO M [5] , αD VH [3] ) = min ( 0 ; 1; 0 ) = 0 α41 = min ( αS L [6] , αO H [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α42 = min ( αS L [6] , αO H [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α43 = min ( αS L [6] , αO H [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α44 = min ( αS L [6] , αO H [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α45 = min ( αS L [6] , αO H [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α46 = min ( αS L [6] , αO VH [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α47 = min ( αS L [6] , αO VH [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α48 = min ( αS L [6] , αO VH [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α49 = min ( αS L [6] , αO VH [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α50 = min ( αS L [6] , αO VH [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α51 = min ( αS M [6] , αO VL [5] , αD VL [3] ) = min (0,75 ; 0 ; 0 ) = 0 α52 = min ( αS M [6] , αO VL [5] , αD L [3] ) = min (0,75 ; 0 ; 0,75 ) = 0 α53 = min ( αS M [6] , αO VL [5] , αD M [3] ) = min (0,75 ; 0 ; 0,25 ) = 0 α54 = min ( αS M [6] , αO VL [5] , αD H [3] ) = min (0,75 ; 0 ; 0 ) = 0 α55 = min ( αS M [6] , αO VL [5] , αD VH [3] ) = min (0,75 ; 0 ; 0 ) = 0 α56 = min ( αS M [6] , αO L [5] , αD VL [3] ) = min (0,75 ; 0; 0 ) = 0 168 α57 = min ( αS M [6] , αO L [5] , αD L [3] ) = min (0,75 ; 0; 0,75 ) = 0 α58 = min ( αS M [6] , αO L [5] , αD M [3] ) = min (0,75 ; 0; 0,25 ) = 0 α59 = min ( αS M [6] , αO L [5] , αD H [3] ) = min (0,75 ; 0; 0 ) = 0 α60 = min ( αS M [6] , αO L [5] , αD VH [3] ) = min (0,75 ; 0; 0 ) = 0 α61 = min ( αS M [6] , αO M [5] , αD VL [3] ) = min (0,75 ; 1; 0 ) = 0 α62 = min ( αS M [6] , αO M [5] , αD L [3] ) = min (0,75 ; 1; 0,75 ) = 0,75 α63 = min ( αS M [6] , αO M [5] , αD M [3] ) = min (0,75 ; 1; 0,25 ) = 0,25 α64 = min ( αS M [6] , αO M [5] , αD H [3] ) = min (0,75 ; 1; 0 ) = 0 α65 = min ( αS M [6] , αO M [5] , αD VL [3] ) = min (0,75 ; 1; 0 ) = 0 α66 = min ( αS M [6] , αO H [5] , αD VL [3] ) = min (0,75 ; 0 ; 0 ) = 0 α67 = min ( αS M [6] , αO H [5] , αD L [3] ) = min (0,75 ; 0 ; 0,75 ) = 0 α68 = min ( αS M [6] , αO H [5] , αD M [3] ) = min (0,75 ; 0 ; 0,25 ) = 0 α69 = min ( αS M [6] , αO H [5] , αD H [3] ) = min (0,75 ; 0 ; 0 ) = 0 α70 = min ( αS M [6] , αO H [5] , αD VH [3] ) = min (0,75 ; 0 ; 0 ) = 0 α71 = min ( αS M [6] , αO VH [5] , αD VL [3] ) = min (0,75 ; 0 ; 0 ) = 0 α72 = min ( αS M [6] , αO VH [5] , αD L [3] ) = min (0,75 ; 0 ; 0,75 ) = 0 α73 = min ( αS M [6] , αO VH [5] , αD M [3] ) = min (0,75 ; 0 ; 0,25 ) = 0 α74 = min ( αS M [6] , αO VH [5] , αD H [3] ) = min (0,75 ; 0 ; 0 ) = 0 α75 = min ( αS M [6] , αO VH [5] , αD VH [3] ) = min (0,75 ; 0 ; 0 ) = 0 α76 = min ( αS H [6] , αO VL [5] , αD VL [3] ) = min ( 0,25 ; 0 ; 0 ) = 0 α77 = min ( αS H [6] , αO VL [5] , αD L [3] ) = min (0,25 ; 0 ; 0,75 ) = 0 α78 = min ( αS H [6] , αO VL [5] , αD M [3] ) = min (0,25 ; 0 ; 0,25 ) = 0 α79 = min ( αS H [6] , αO VL [5] , αD H [3] ) = min (0,25; 0 ; 0 ) = 0 α80 = min ( αS H [6] , αO VL [5] , αD VH [3] ) = min (0,25; 0 ; 0 ) = 0 α81 = min ( αS H [6] , αO L [5] , αD VL [3] ) = min (0,25 ; 0 ; 0 ) = 0 α82 = min ( αS H [6] , αO L [5] , αD L [3] ) = min (0,25 ; 0; 0,75 ) = 0 α83 = min ( αS H [6] , αO L [5] , αD M [3] ) = min (0,25 ; 0; 0,25 ) = 0 α84 = min ( αS H [6] , αO L [5] , αD H [3] ) = min (0,25 ; 0; 0 ) = 0 α85 = min ( αS H [6] , αO L [5], αD VH [3] ) = min (0,25 ; 0; 0 ) = 0 α86 = min ( αS H [6] , αO M [5] , αD VL [3] ) = min (0,25 ; 1 ; 0 ) = 0 α87 = min ( αS H [6] , αO M [5] , αD L [3] ) = min (0,25 ; 1; 0,75) = 0,25 169 α88 = min ( αS H [6] , αO M [5] , αD M [3] ) = min (0,25 ; 1; 0,25 ) = 0,25 α89 = min ( αS H [6] , αO M [5] , αD H [3] ) = min (0,25 ; 1; 0 ) = 0 α90 = min ( αS H [6] , αO M [5] , αD VH [3] ) = min (0,25 ; 1; 0 ) = 0 α91 = min ( αS H [6] , αO H [5] , αD VL [3] ) = min (0,25 ; 0 ; 0 ) = 0 α92 = min ( αS H [6] , αO H [5] , αD L [3] ) = min (0,25 ; 0 ; 0,75 ) = 0 α93 = min ( αS H [6] , αO H [5] , αD M [3] ) = min (0,25 ; 0 ; 0,25 ) = 0 α94 = min ( αS H [6] , αO H [5] , αD H [3] ) = min (0,25 ; 0 ; 0 ) = 0 α95 = min ( αS H [6] , αO H [5] , αD VH [3] ) = min (0,25 ; 0 ; 0 ) = 0 α96 = min ( αS H [6] , αO VH [5] , αD VL [3] ) = min (0,25 ; 0 ; 0 ) = 0 α97 = min ( αS H [6] , αO VH [5] , αD L [3] ) = min (0,25 ; 0 ; 0,75 ) = 0 α98 = min ( αS H [6] , αO VH [5] , αD M [3] ) = min (0,25 ; 0 ; 0,25 ) = 0 α99 = min ( αS H [6] , αO VH [5] , αD H [3] ) = min (0,25 ; 0 ; 0 ) = 0 α100 = min ( αS H [6] , αO VH [5] , αD VH [3] ) = min (0,25 ; 0 ; 0 ) = 0 α101 = min ( αS VH[6] , αO VL [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α102 = min ( αS VH[6] , αO VL [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α103 = min ( αS VH[6] , αO VL [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α104 = min ( αS VH[6] , αO VL [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α105 = min ( αS VH[6] , αO VL [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α106 = min ( αS VH[6] , αO L [5] , αD VL [3] ) = min ( 0 ; 0; 0 ) = 0 α107 = min ( αS VH[6] , αO L [5] , αD L [3] ) = min ( 0 ; 0; 0,75 ) = 0 α108 = min ( αS VH[6] , αO L [5] , αD M [3] ) = min ( 0 ; 0; 0,25 ) = 0 α109 = min ( αS VH[6] , αO L [5] , αD H [3] ) = min ( 0 ; 0; 0 ) = 0 α110 = min ( αS VH[6] , αO L [5] , αD VH [3] ) = min ( 0 ; 0; 0 ) = 0 α111 = min ( αS VH[6], αO M [5] , αD VL [3] ) = min ( 0 ; 1 ; 0 ) = 0 α112 = min ( αS VH[6] , αO M [5] , αD L [3] ) = min ( 0 ; 1; 0,75 ) = 0 α113 = min ( αS VH[6] , αO M [5] , αD M [3] ) = min ( 0 ; 1; 0,25 ) = 0 α114 = min ( αS VH[6] , αO M [5] , αD H [3] ) = min ( 0 ; 1; 0 ) = 0 α115 = min ( αS VH[6] , αO M [5] , αD VH [3] ) = min ( 0 ; 1; 0 ) = 0 α116 = min ( αS VH[6] , αO H [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α117 = min ( αS VH[6] , αO H [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α118 = min ( αS VH[6] , αO H [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 170 α119 = min ( αS VH[6] , αO H [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α120 = min ( αS VH[6] , αO H [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 α121 = min ( αS VH[6] , αO VH [5] , αD VL [3] ) = min ( 0 ; 0 ; 0 ) = 0 α122 = min ( αS VH[6] , αO VH [5] , αD L [3] ) = min ( 0 ; 0 ; 0,75 ) = 0 α123 = min ( αS VH[6] , αO VH [5] , αD M [3] ) = min ( 0 ; 0 ; 0,25 ) = 0 α124 = min ( αS VH[6] , αO VH [5] , αD H [3] ) = min ( 0 ; 0 ; 0 ) = 0 α125 = min ( αS VH[6] , αO VH [5] , αD VH [3] ) = min ( 0 ; 0 ; 0 ) = 0 Aplikasi Fungsi Implikasi: • Aturan ke-1 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-2 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-3 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-4 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-5 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-6 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-7 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-8 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-9 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-10 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-11 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-12 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-13 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-14 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-15 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-16 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 171 • Aturan ke-17 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-18 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-19 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-20 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-21 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-22 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-23 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-24 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-25 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-26 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-27 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-28 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-29 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-30 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-31 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-32 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-33 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-34 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-35 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-36 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-37 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-38 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-39 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-40 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-41 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-42 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 172 • Aturan ke-43 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-44 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-45 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-46 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-47 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-48 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-49 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-50 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-51 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-52 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-53 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-54 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-55 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-56 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-57 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-58 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-59 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-60 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-61 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-62 Pada saat µFRPN Moderate-High [x] = 0.75, maka nilai x dapat ditentukan sebagai berikut. ¾ 0.75 = (x-300) / 100 x = 375 ¾ 0.75 = (500-x) / 100 x = 425 ; sehingga 173 0 µFRPN 62 [ X] = ; x ≤ 300 atau x ≥ 500 (x-300) / 100 ; 300 < x ≤ 375 0.75 ; 375 < x ≤ 425 (500-x) / 100 ; 425 < x ≤ 500 • Aturan ke-63 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 Pada saat µFRPN High [x] = 0.25, maka nilai x dapat ditentukan sebagai berikut. ¾ 0.25 = (x-400) / 100 x = 425 ¾ 0.25 = (700-x) / 200 x = 650 µFRPN 63 [ X] = ; sehingga 0 ; x ≤ 400 atau x ≥ 700 (x-400) / (500-400) ; 400 ≤ x ≤ 425 0,25 ; 425 ≤ x ≤ 650 (700-x) / (700-500) ; 650 ≤ x ≤ 700 • Aturan ke-64 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-65 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-66 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-67 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-68 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-69 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-70 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-71 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-72 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-73 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-74 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-75 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-76 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 174 • Aturan ke-77 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-78 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-79 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-80 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-81 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-82 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-83 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-84 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-85 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-86 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-87 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 Pada saat µFRPN High [x] = 0.25, maka nilai x dapat ditentukan sebagai berikut. ¾ 0.25 = (x-500) / 200 x = 550 ¾ 0.25 = (900-x) / 200 x = 850 µFRPN 87 [ X] = • Aturan ke-88 ; sehingga 0 ; x ≤ 500 atau x ≥ 900 (x-500) / (700-500) ; 500 ≤ x ≤ 550 0,25 ; 550 ≤ x ≤ 850 (900-x) / (900-700) ; 850 ≤ x ≤ 900 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 Pada saat µFRPN Very High [x] = 0.25, maka nilai x dapat ditentukan sebagai berikut. ¾ 0.25 = (x-700) / 200 x = 750 ; sehingga 175 µFRPN 88 [ X] = 0 ; x ≤ 700 (x-700) / (900-700) ; 700 ≤ x ≤ 750 0,25 0 ; 900 ≤ x ≤ 1000 ; x ≥ 1000 • Aturan ke-89 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-90 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-91 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-92 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-93 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-94 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-95 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-96 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-97 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-98 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-99 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-100 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-101 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-102 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-103 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-104 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-105 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-106 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-107 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-108 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-109 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-110 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 176 • Aturan ke-111 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-112 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-113 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-114 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-115 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-116 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-117 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-118 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-119 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-120 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-121 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-122 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-123 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-124 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 • Aturan ke-125 : Tidak terdapat daerah hasil implikasi karena µFRPN = 0 Komposisi semua output Komposisi semua output yang memiliki daerah implikasi yaitu output aturan ke-62, aturan ke-63, aturan ke-87 dan aturan ke-88 dilakukan dengan menggunakan metode MAX. Adapun gambar komposisi semua output sebagai berikut. Adapun proses defuzzifikasi akan dilakukan dengan metode centroid. Untuk menentukan nilai crips, dilakukan dengan membagi solusi daerah fuzzy menjadi 4 bagian dengan luas masing-masing yaitu A1, A2, A3, dan A4. Sedangkan momen terhadap nilai keanggotaan masing-masing yaitu M1, M2, M3, dan M4. Adapun cara perhitungan dengan metode centroid sebagai berikut. 177 Gambar Solusi Daerah Fuzzy Perhitungan Momen : Perhitungan Luas : 375 M1 = ∫ (0.01x − 2) xdx = 9843,75 A1 = (75* 0,75) / 2 = 28,125 300 425 M2 = ∫ (0.75) xdx = 15000 A2 = 50 * 0,75 = 37,5 375 475 M3 = ∫ (5 − 0.01x) xdx = 11145,83 A3 = ((0,75+0,25) * 50) / 2 = 25 425 1000 M4 = ∫ (0.25) xdx = 96796,88 A4 = 525 * 0,25 = 131,25 475 Menghitung titik pusat : x= 9843,75 + 15000 + 11145 ,83 + 96796 ,88 132786 ,46 = 598,48 ≈ 598 = 28,125 + 37,5 + 25 + 131,25 221,88 Dapat dilihat dari perhitungan di atas bahwa dengan nilai input S = 6, O = 5 dan D = 3 dan dihitung dengan menggunakan metode MAMDANI maka akan diperoleh FRPN sebesar 601Hasil dari perhitungan manual ini memberikan hasil yang mirip dengan hasil perhitungan dengan menggunakan software MATLAB 2008a yaitu 598. 178 Lampiran 8 Petunjuk Penggunaan Sistem Pendukung Keputusan Model Strategi Pengetahuan untuk Klaster Industri Barang Jadi Lateks A. Deskripsi Singkat Model Model sistem pendukung keputusan (SPK) strategi pengetahuan diimplementasikan dalam suatu model berbasis komputer. Pengguna baik dari kalangan industri, pemerintah maupun lembaga pendukung (lembaga penelitian) dapat menggunakan model ini untuk tujuan menyusun strategi pengetahuan guna pengembangan suatu klaster industri. Sistem ini terdiri atas 5 model yaitu model pemilihan strategi pengembangan klaster dan area pengetahuan terkait, model analisis kesenjangan pengetahuan dan area pengetahuan kunci, model pemilihan strategi manajemen pengetahuan, model kodifikasi pengetahuan disain proses, dan model kodifikasi pengetahuan kegagalan proses. Sistem pendukung keputusan dirancang menggunakan Visual Basic for Applications (VBA) sebagai bahasa pemrograman untuk produk-produk Microsoft Office (Office), termasuk spreadsheet Microsoft Excel (Excel). Paket program ini memiliki beberapa fasilitas seperti basis data, pemodelan, analisis data, dan antarmuka yang diperlukan untuk mengembangkan SPK. B. Kebutuhan Perangkat Lunak Perangkat lunak tersusun atas beberapa file macro excel. Tujuan pembuatan Macro adalah agar semua perintah yang pengguna berikan akan direkam oleh aplikasi Excel dengan bahasa Visual Basic dan ditampilkan pada program bantu Microsoft Visual Basic Editor. Macro akan memungkinkan untuk merekam dan mengotomasi prosedur, menjalankan berulang-ulang dengan menekan tombol tertentu yang dirancang. Penjelasan masing-masing macro adalah sebagai berikut : FAHP Inisiatif Klaster.xlsm File macro ini dirancang dengan maksud untuk memenuhi kebutuhan pengguna dalam hal pemilihan strategi pengembangan klaster dan area pengetahuan terkait. Teknik yang digunakan adalah fuzzy analytical hierarchy process. File dapat merekam pendapat tiga orang responden ahli mengenai perbandingan berpasangan antar kriteria dan alternatif untuk kemudian dihitung nilai bobotnya. File ini juga sekaligus induk dari seluruh file 179 macro yang dirancang dalam arti seluruh file macro lainnya diakses melalui layar antar muka yang dibangun dalam file ini. Kmgap.xlsm File macro ini dirancang dengan maksud untuk memenuhi kebutuhan pengguna dalam melakukan analisis kesenjangan pengetahuan serta menentukan area pengetahuan kunci. Teknik yang digunakan adalah fuzzy average dan fuzzy inference system dengan metode Sugeno. File ini merupakan integrasi antara Microsoft Excel, Visual Basic dan MATLAB. File dapat merekam dan mengolah pendapat dari empat orang responden ahli Fahpskm.xlsm File macro ini dirancang dengan maksud untuk memenuhi kebutuhan pengguna dalam hal pemilihan strategi manajemen pengetahuan guna memperkecil kesenjangan pengetahuan yang terjadi. Teknik yang digunakan adalah fuzzy analytical hierarchy process. File dapat merekam dan mengolah pendapat tiga orang responden ahli mengenai perbandingan berpasangan antar kriteria dan alternatif untuk kemudian dihitung nilai bobotnya. Fqfdgloves.xlsm File marcro ini dirancang dengan maksud untuk memenuhi kebutuhan pengguna dalam hal kodifikasi pengetahuan disain proses serta menentukan prioritas proses untuk dilanjutkan dengan pembentukan taksonomi dan peta pengetahuan. Teknik yang digunakan dalam penentuan bobot proses adalah fuzzy quality function deployment. Fmea.xlsm File macro excel ini dirancang dengan maksud memenuhi kebutuhan pengguna dalam kodifikasi pengetahuan proses serta menentukan tingkat resiko kegagalan proses. Teknik yang digunakan adalah fuzzy failure mode and effect analysis. File ini merupakan integrasi antara Microsoft Excel, Visual Basic dan MATLAB. 180 Glove.rul File ini merupakan program sistem pakar yang dimakudkan untuk memenuhi kebutuhan pengguna dalam mendiagnosis penyebab kegagalan proses dalam pembuatan sarung tangan lateks serta mengetahui cara penanganan kegagalan proses. File dirancang menggunakan perangkat lunak winexys. C. Petunjuk Instalasi Instalasi program dapat mengikuti langkah-langkah sebagai berikut : 1. Letakkan seluruh file macro dalam satu folder 2. Letakkan folder macro tersebut dan winexys dalam folder C:\ 3. Jalankan aplikasi Ms Excel 4. Jalankan file induk FAHP Inisiatif Klaster.xlsm 5. Klik options, pilih enable this content dan tekan ok 6. Piih menu Add-Ins, lalu preference, klik pilihan start matlab 7. Jalankan file macro lainnya satu per satu serta pilih enable this content dan tekan ok D. Petunjuk Pengoperasian Sistem pendukung keputusan strategi pengetahuan dapat dijalankan dari file excel dengan nama FAHP Inisiatif Klaster. Pilih menu utama view macro dan lalu pilih mymacro seperti dapat dilihat pada Gambar 8.1. Gambar 8.1 Menjalankan file macro FAHP inisiatif klaster 181 Setelah perintah run dijalankan maka akan muncul tampilan seperti dapat dilihat pada Gambar 8.2. Terdapat enam sub model yang disediakan oleh SPK Strategi Pengetahuan. Gambar 8.2 Tampilan utama SPK Strategi Pengetahuan Strategi Pengembangan Klaster Menu pertama merupakan pendukung keputusan pemilihan strategi pengembangan klaster. Gambar 8.3 memperlihatkan tampilan bila kita menekan menu tersebut. Gambar 8.3 Pilihan perbandingan berpasangan pada hirarki keputusan pemilihan strategi pengembangan klaster 182 Gambar 8.4 Tampilan layar input perbandingan berpasangan antar aktor dalam strategi pengembangan klaster Gambar 8.4 memperlihat layar input perbandingan berpasangan antar aktor dalam strategi pengembangan klaster. Setiap perbandingan berpasangan dinilai menggunakan skala linguistik sama penting atau equally (e), sedikit lebih penting atau weakly preferred (w), jelas lebih penting atau strongly (s), sangat jelas lebih penting atau very strongly (vs) dan mutlak lebih penting atau absolutely preferred (a). Program juga dapat langsung menghitung nilai consistency ratio bila tombol submit ditekan. Perbandingan berpasangan dapat dilakukan pada masing-masing level dan terakhir adalah perbandingan berpasangan antar inisiatif strategi klaster seperti dapat dilihat pada Gambar 8.5 Gambar 8.5 Tampilan layar input perbandingan berpasangan antar strategi inisiatif klaster 183 Gambar 8.6 memperlihatkan tampilan output dari FAHP inisiatif klaster untuk bobot perspektif pada masing-masing aktor. Sedangkan tampilan ouput setiap tujuan strategis untuk masing-masing perspektif dapat dilihat pada Gambar 8.7. Gambar 8.6 Tampilan layar output bobot aktor dan perspektif klaster Gambar 8.7 Tampilan layar output bobot tujuan strategis pada masing-masing perspektif 184 Tampilan output untuk alternatif strategi pengembangan klaster untuk masingmasing tujuan strategis dapat dilihat pada Gambar 8.8. Gambar 8.8 Tampilan layar output bobot alternatif inisiatif strategi klaster pada masingmasing tujuan strategis Analisis Kesenjangan Pengetahuan Menu kedua dapat ditampilkan dengan menekan kotak yang bertuliskan analisis kesenjangan pengetahuan pada layar utama. Menu ini dalah pendukung keputusan dalam analisis kesenjangan pengetahuan serta area pengetahuan kunci. Gambar 8.9 Tampilan input penilaian setiap area pengetahuan 185 Gambar 8.9 memperlihat tampilan input penilaian tingkat kebutuhan pengetahuan serta kondisi penguasaan area pengetahuan saat ini. Program dapat memfasilitasi penilaian dari empat orang responden ahli. Hasil rata-rata fuzzy untuk seluruh responden dan nilai skor pada matriks kesenjangan pengetahuan dapat dilihat pada Gambar 8.10. Skor didapatkan dengan menu excel link yang menggabungkan perintah excel dengan matlab dengan rangkaian perintah sebagai berikut. =MLPutMatrix("si";faverage) =MLPutMatrix("k";kepentingan) =MLEvalString("val=fuzzyKnGap(k,si)") =MLGetMatrix( "val"; "F3") =fkngap(faverage;kepentingan;"F3") Gambar 8.10 Tampilan output rata-rata fuzzy setiap area pengetahuan dan skornya dalam matriks kesenjangan pengetahuan 186 Pemilihan Strategi Manajemen Pengetahuan Menu ketiga dapat dijalankan dengan menekan tombol atau kotak yang bertuliskan strategi manajemen pengetahuan pada layar utama. Gambar 8.11 memperlihatkan sub menu pilihan untuk melakukan perbandingan antar kriteria atau melakukan perbandingan antar strategi manajemen pengetahuan pada masing-masing kriteria. Output dari menu ini berupa bobot masing-masing kriteria dan strategi dapat dilihat pada Gambar 8.12. Gambar 8.11 Pilihan perbandingan berpasangan dalam menu pemilihan strategi manajemen pengetahuan Gambar 8.12 Tampilan ouput bobot strategi manajemen pengetahuan pada masing-masing kriteria 187 Kodifikasi Pengetahuan Disain Proses Menu keempat dapat ditampilkan dengan menekan kotak yang bertuliskan kodifikasi pengetahuan disain proses pada layar utama SPK. Tampilan yang muncul adalah layar input untuk tingkat kepentingan atribut karakteristik teknis produk dan tingkat hubungan antara karakteristik produk dengan karakteristik proses seperti dapat dilihat pada Gambar 8.13. Input data dapat dilakukan dengan menekan tombol combo box dan klik sesuai pilihan. Output akan diproses bila kotak proses yang terletak pada bagian atas rumah kualitas tersebut ditekan dan hasilnya akan muncul pada bagian bawah. Gambar 8.13 Layar input dalam menu kodifikasi pengetahuan disain proses 188 Kodifikasi Pengetahuan Kegagalan Proses Menu kelima dapat ditambilkan bila pilihan kodifikasi pengetahuan kegagalan proses pada layar utama ditekan. Terdapat 14 halaman yang berisi keterangan kegagalan proses yang mungkin terjadi dalam proses produksi sarung tangan lateks, efek kegagalan proses berikut nilai tingkat keparahannya (severity), penyebab kegagalan proses berikut nilai tingkat keseringannya (occurance) serta tingkat kemampuan mendeteksi munculnya penyebab (detectability). Input penilaian severity (s), occurance (o) dan detectability (d) dapat dilakukan dengan memasukkan angka dari 1 s/d 10 pada kota S, O dan D. Kemudian secara otomatis program akan menghitung nilai risk priority number (RPN) konvensional dan juga dengan pendekatan fuzzy atau fuzzy risk priority number (FRPN). Perhitungan FRPN dilakukan dengan mengintegrasikan fungsi Matlab di dalam macro excel. Gambar 8.14 Tampilan layar input dan ouput dalam FMEA 189 Lampiran 9 Rule Base Sistem Pakar 190 191 192 193 194 195 196 197 198 199 200 201 Lampiran 10. Validation Tree Sistem Pakar Lampiran 12 Tabel FMEA Fungsi Proses Kegagalan pada Proses Waktu kemantapan mekanik kurang (120 cps) Lateks mengandung banyak sabun Penerimaan bahan kimia Dispersi bahan kimia Fungsi Proses Pemeraman kompon lateks Pembuatan koagulan Lateks kurang stabil (mudah menggupal dan mudah membentuk lapisan lateks kering permukaan lateks) Lateks cepat rusak Timbul pinhole atau fisheye pada produk sarung tangan. Timbul pinhole atau fisheye pada produk sarung tangan Umur bahan kimia sudah atau Tampilan produk buruk mendekati kadaluarsa Hasil dispersi tidak sempurna Kegagalan pada Proses Timbul busa pada kompon lateks Pengomponan lateks Efek dari Kegagalan Proses Produk sarung tangan mudah sobek atau lengket. Efek dari Kegagalan Proses Timbul pinhole atau fisheye pada produk sarung tangan S Penyebab Kegagalan Proses 10 7 Stripping Tumbling FRPN Waktu pemeraman lateks kurang 4 1 Diamkan selama 2-4 hari 24 401 5 3 Penambahan KOH atau laurat sebanyak 1,5 2,5 liter dan didiamkan selama 1 malam agar dapat bereaksi 90 601 Kebersihan drum tidak terjaga terutama pada drum plastik 2 2 Tingkatkan kebersihan tangki atau gunakan plastik pelindung ke dalam drum 40 883 Beli lateks pekat dari pabrik yang berasal dari klon khusus penhasil lateks pekat, misalnya klon GT1. 84 632 Lihat catatan spesifikasi dari pemasok atau gunakan alat ukur MST mixer dengan 12000 rpm Lateks bukan berasal dari klon khusus penghasil lateks pekat 2 6 Lateks terlalu lama diperam 5 3 Lakukan pengenceran dengan air dan KOH 10% 105 674 3 4 Campur dengan lateks yang tidak mengandung banyak sabun. Setiap pemindahan lateks dilakukan sehati-hati mungkin mempertimbangkan timbulnya buih. Setiap kali penuangan standby harus cukup agar buih naik ke permukaan. Pembersihan buih harus dilakukan dengan benar. Buih dikumpulkan terlebih dahulu di tengah, kemudian selanjutnya dipinggirkan. 96 748 Pemasok memperbanyak sabun untuk meningkatkan MST 5 Penyimpanan bahan kimia di gudang pemasok terlalu lama 2 1 Kembalikan ke pemasok 10 300 Pemasukkan bahan tidak sesuai formula 2 6 Pastikan bahwa bahan kimia yang digunakan yaitu Sulphur, ZDEC, ZDBC, ZnO, ZO, TiO2) sesuai ketentuan takaran dan ditimbang dengan timbangan analitis 96 708 Waktu proses terlalu cepat atau tidak sesuai dengan petunjuk operasi 5 2 Waktu proses minimal 2 hari atau sesuai dengan petunjuk operasi 80 708 Bola dispersi tidak mencukupi atau bentuknya sudah tidak standar 3 3 Melakukan pemeriksaan berkala terhadap jumlah dan kondisi bola-bola dispersi 72 748 Cara pengisian botol pendispersi (perbandingan bahan, batu, dan udara) tidak memenuhi cara yang benar 4 2 Bola-bola harus memenuhi setengah botol dan setelah ditambah bahan kimia dan air masih menyisakan ruang kosong 1/3 volume botol 64 708 O D Tindakan perbaikan RPN FRPN 8 S Penyebab Kegagalan Proses Pengadukan terlalu cepat 6 2 Pengadukan diperlambat, kontinu dan jangan sampai menimbulkan busa 108 883 Pemasukkan bahan tidak hati-hati 8 2 Penuangan didekatkan dengan dinding wadah atau tempelkan ke permukaan lateks 144 883 60 461 36 356 54 883 42 595 9 Lateks kompon kurang homogen Ketebalan produk sarung tangan bervariasi 5 Waktu pengadukan kurang lama terlebih lagi bila lateks terlalu kental (>120 cps) 4 3 Saring dengan saringan stainless 100 mesh Timbul gumpalan-gumpalan kecil Sarung tangan menjadi kasar 3 Jenis dan jumlah bahan penstabil lateks tidak mencukupi 4 3 Masih terdapat buih pada kompon lateks Timbul pinhole atau fisheye produk sarung tangan 9 Waktu pemeraman kompon lateks kurang lama 3 2 Viskositas koagulan terlalu rendah Ketebalan produk sarung tangan bervariasi 7 Dosis bahan koagulan kurang 3 2 7 Masa pemeraman koagulan yang kurang dan tidak adanya penambahan wetting agent 6 2 Pemeraman koagulan harus mencapai 1 hari 84 632 5 Proses dipping dimulai jika larutan koagulan sudah stabil (30-60 menit setelah pengaturan koagulan selesai). Selain itu, ratakan lapisan koagulan pada cetakan dengan spon agar lapisan koagulan merata pada cetakan. 80 708 72 748 36 404 112 448 27 356 Tingkat pembasahan (wetting) Timbul cacat dekok dan kerutan pada kurang produk sarung tangan Lapisan koagulan tidak rata pada cetakan Ketebalan produk sarung tangan bervariasi 2 8 Cetakan kotor, berminyak, kalis 3 3 Kurang hati-hati saat mencelupkan cetakan ke dalam lateks dipping 3 3 Timbul buih pada saat pencelupan lateks Timbul pinhole atau fisheye pada produk sarung tangan 4 Lateks mengandung banyak sabun 4 7 Terdapat kotoran pada cetakan dan lateks Terdapat kotoran pada sarung tangan 3 Tidak dilakukan penyaringan kompon atau cetakan kurang bersih 3 3 Hasil pencelupan tidak rata Ketebalan produk bervariasi 3 Lateks dipping pada bak celup cepat mengental atau koagulan tidak menempel 5 6 S Penyebab Kegagalan Proses O D Kegagalan pada Proses Efek dari Kegagalan Proses Gulungan tidak rapih 5 Pengeringan kurang lama 3 2 Gulungan mudah lepas 4 Penggulungan terlalu cepat 3 2 Pencucian kurang bersih Terdapat kotoran pada sarung tangan 4 Terlalu matang Timbul bintik-bintik pada bending, warna menjadi coklat, dan susah dilepas dari cetakan 2 Kurang matang Produk sobek 4 Pengovenan Pemberian powder RPN Kurang bahan penstabil Lamanya pengadukan campuran lateks 60% dengan stabilizer sebelum ditambahkan dispersi kimia harus mencapai 30 menit. Sedangkan lamanya pengadukan campuran lateks 60% (setelah ditambahkan stabilizer, dispersi kimia dan wetting agent) harus mencapai 30 menit Pengeringan hasil Produk kurang kering celup dan bending Gulungan kurang padat Pencucian (post leaching) Tindakan perbaikan 8 Pencelupan ke dalam kompon lateks Fungsi Proses D 6 Lapisan koagulan kurang homogen Pencelupan cetakan ke dalam koagulan O Powder kurang merata Lengket dan sulit dilepas Lengket dan berubah bentuk Produk sulit dilepas dan lengket Produk sobek Produk sobek 3 3 3 Pencucian dilakukan dengan terburu-buru dan kurang bersih 3 3 Waktu pengovenan terlalu lama 3 2 Sumber apinya terlalu besar 2 2 Waktu pengovenan kurang lama 3 2 Sumber apinya kurang besar 2 2 Jumlah powder kurang 3 3 Kelalaian operator dalam memberikan powder 2 2 Kuku operator panjang 2 2 Teknik kurang dikuasai 3 5 Jumlah powder kurang 3 2 Terlalu matang 3 4 Pemeraman kompon lateks dilakukan minimal selama 2 hari sebelum digunakan dan pembersihan busa dilakukan menggunakan saringan plastik dengan cara diangkat pelanpelan Naikkan konsentrasi kalsium nitrat dan karbonat Pencucian cetakan harus dilakukan sebersih mungkin hingga tidak terdapat kotoran papaun pada cetakan. Bila perlu, menggunakan konsentrasi asam nitrat 1-2% dan temperatur 27-30ºC Lateks harus bebas dari bubble, busa, dan pengotor lainnya. Pengadukan dilakukan secara perlahan dan gumpalan lateks harus dikeluarkan dari lateks dip Lakukan penyapuan buih setiap kali akan melakukan pencelupan. Penyapuan busa harus dilakukan dengan benar. Busa dikumpulkan terlebih dahulu di tengah, kemudian selanjutnya dipinggirkan Lakukan proses penyaringan dengan alat penyaring yang terbuat dari kawat stainless steel dengan mess 100 Diambil permukaan yang mengental dan tambah stabilizer kemudian diaduk Tindakan perbaikan Waktu stanby kira-kira 5 menit Perbaiki cara penggulungan. Lakukan dengan hati-hati dan tidak terburu-buru. Rendam dengan air panas 50-60ºC selama 30 menit dan bilas dengan air dingin, kemudian masukkan wet powder dan tumbler. Kontrol thermometer (thermocouple) dan lakukan kalibrasi serta pengovenan dilakukan selama 1.5-2 jam dengan suhu 85-95ºC Jumlah powder sebaiknya ditambah sesuai dengan kebutuhan Memberikan pengarahan kepada operator agar dapat memberikan powder secara merata (baik pembedakan kering maupun pembedakan basah) Sebaiknya kuku operator dipotong untuk menghindari sarung tangan menjadi sobek ketika dilepaskan Sarung tangan dilepaskan dari bagian dalam menjadi bagian luar. Menarik sarung tangan dari bagian cuff dan semuanya terbalik. Pakai sarung tangan katun sehingga kuku tidak kontak langsung dengan karet. Jumlah powder sebaiknya ditambah sesuai dengan kebutuhan Sarung tangan dimasukkan ke dalam tumbler per 10 kg. Suhu tumbler di-setting 50-70ºC selama 30 menit. Setelah selesai proses tumbling, sarung tangan dimasukkan ke dalam keranjang 90 401 RPN FRPN 30 364 24 318 36 404 12 155 8 155 24 318 16 318 27 356 12 258 12 258 45 356 18 258 36 356 Periksa dengan viskometer atau secara manual celupkan tangan dan tarik keluar, bila aliran lateks yang jatuh dari tangan deras, berarti viskositasnya rendah F1 C1 S1 210 Lampiran 13 Petunjuk Penggunaan Portal Manajemen Pengetahuan Tampilan Awal Sistem Pada tampilan awal seperti pada Gambar.1 terdapat halaman awal dari portal manajemen pengetahuan. Pada halaman awal ini setiap pengunjung portal di identifikasi sebaga user tamu (guest). User tamu (guest) diberikan kesempatan untuk mendaftar menjadi anggota portal manajemen pengetahuan. Bagi user yang telah terdaftar dapat langsung menginput username dan password untuk masuk ke dalam portal. Gambar 1 Tampilan Awal. Fasilitas Perpustakaan Bagi User Tamu (Guest) Pada portal manajemen pengetahuan setiap pengunjung yang bukan member dapat mengakses fasilitas perpustakaan yang tersedia. Tetapi terdapat fitur dari perpustakaan yang tidak dapat diakses oleh user tamu. 211 Gambar 2 Fasilitas Perpustakaan bagi user tamu. Form Registrasi Member Bagi yang belum terdaftar menjadi member portal manajemen pengetahuan, disediakan form registrasi, form ini berfungsi untuk mengambil input dari biodata user yang akan mendaftar menjadi member portal manajemen pengetahuan. Setelah mengisi form ini, user mendapatkan hak untuk mengakses secara penuh fasilitas dari portal manajemen pengetahuan ini. Gambar 3 Form pendaftaran member. 212 Halaman Muka Portal Setelah Melakukan Login Sebagai User Setelah melakukan login, seorang member dari portal manajemen pengetahuan mendapatkan akses terbatas dalam fasilitas serta fitur – fitur yang ada pada portal ini. Adapun fitur yang disediakan oleh portal manajemen pengetahuan bagi seorang member antara lain : ‐ Perpustakaan (Artikel & Peta Pengetahuan) ‐ Profil Pengguna ‐ Forum ‐ Cari Pakar ‐ My Bookmarks Fasilitas Perpustakaan (Artikel & Peta Pengetahuan) Pada menu perpustakaan seorang user yang sudah login sebagai member dapat melakukan beberapa aktivitas, diantaranya adalah : ‐ Melihat artikel ‐ Melihat peta pengetahuan Gambar 4 Lihat Artikel 213 Gambar 5 Lihat Peta Pengetahuan Fasilitas Profil Pengguna Pada menu profil pengguna, seorang member dapat membuat data profil tentang dirinya sesuai dengan informasi yang dibutuhkan yakni : ‐ Nama Lengkap ‐ Perusahaan ‐ Jabatan ‐ Alamat Perusahaan ‐ Kota ‐ No. Telepon ‐ Alamat Email 214 Gambar 6 Input profil pengguna Disamping member dapat mengelola biodata informasi tentang dirinya, pengguna juga dapat melakukan perubahan email address serta password untuk login ke dalam sistem portal manajemen pengetahuan seperti yang ditunjukkan pada Gambar 7. 215 Gambar 7 Edit e-mail address & password Fasilitas Cari Pakar Seorang member yang sudah diverifikasi oleh admin dapat menggunakan fitur cari pakar untuk mencari moderator yang juga seorang pakar di dalam bidang klaster industri barang jadi lateks seperti ditunjukkan pada Gambar 8. 216 Gambar 8 Cari Pakar Fasilitas Forum Seorang member sistem portal manajemen pengetahuan dapat ikut serta di dalam forum seperti ditunjukkan pada Gambar 9. 217 Gambar 9 Forum Topic
Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten 6. Pendekatan Sistem Strategi Pengetahuan dan Strategi Manajemen Pengetahuan Analisis Kebutuhan Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Analisis Kebutuhan Sistem Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Analytic Hierarchy Process AHP Data, Informasi dan Pengetahuan Failure Mode and Effect Analysis FMEA Formulasi Permasalahan Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Identifikasi Sistem Konfigurasi Model Identifikasi Sistem Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Implikasi Manajerial Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Kegunaan Penelitian Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Kelebihan dan Kekurangan Model Kerangka Pemikiran Konseptual Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Kesimpulan Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Konfigurasi Model Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Latar Belakang Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Logika Fuzzy Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Lokasi dan Waktu Penelitian Lokasi dan Waktu Penelitian Struktur Pasar Barang Jadi Karet dan Produsen Barang Jadi Lateks Manajemen Pengetahuan Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Metode Pengumpulan Data Teknik Pengolahan Data Model Analisis Kesenjangan Pengetahuan dan Penentuan Area Pengetahuan Kunci Model Kodifikasi Pengetahuan Disain Proses Model Kodifikasi Pengetahuan Kegagalan Proses Model Strategi Manajemen Pengetahuan Model Strategi Pengembangan Klaster dan Area Pengetahuan Terkait Pemetaan Klaster Industri Barang Jadi Lateks di Jawa Barat dan Banten Penelitian Terdahulu Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Perancangan Sistem Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Perbandingan berpasangan antar inisiatif dalam tujuan strategis perluasan pasar Perbandingan berpasangan antar perspektif untuk aktor Pemerintah Perkembangan Manajemen Strategik Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Pola Sebaran Tenaga Kerja Industri Hilir Karet pada Beberapa Propinsi Quality Function Deployment QFD Saran Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Sistem Manajemen Basis Data Sistem Manajemen Basis Model Sistem Manajemen Dialog Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Sistem Pendukung Keputusan dan Sistem Pakar Strategi Pengetahuan Manajemen Pengetahuan Strategi Pengetahuan Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Struktur Pasar Barang Jadi Karet dan Produsen Barang Jadi Lateks Tahapan Penelitian Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten Teknologi Pengolahan Barang Jadi Lateks Tujuan Penelitian Ruang Lingkup Penelitian Tujuan Penelitian Ruang Lingkup Penelitian Kegunaan Penelitian Validasi Model Strategi Pengetahuan
Aktifitas terbaru
Penulis
Dokumen yang terkait
Tags
Upload teratas

Model manajemen pengetahuan pada klaster industri barang jadi lateks di Jawa Barat dan Banten

Gratis