7 SIMULASI MODEL DINAMIS

62 7 SIMULASI MODEL DINAMIS Setelah model berhasil dibangun, maka dilanjutkan langkah berikut berupa simulasi model sistem dinamis menggunakan software Stella yang dibantu oleh model pendukung berbasis pemrograman komputer yang melengkapi dan mendukung model utama. Adapun model pendukung berbasis pemrograman komputer terdiri dari: 1. Model pemrograman Interpretive Structural Modeling 2. Model pemrograman Analytical Network Process 3. Model pemrograman Bayesian Belief Netework Pelaksanaan simulasi dilakukan dengan cara menginput alternatif peubah input secara berulang hingga suatu tahap akan dapat diperoleh tingkat hasil simulasi yang paling sesuai dengan tujuan yang diinginkan. Dari hasil simulasi dapat ditarik kesimpulan mengenai perilaku peubah dan hubunganya dengan peubah lain tanpa harus mengalami fakta riel seperti peluang terjadinya kerugian dan beban biaya yang mungkin timbul dari suatu ramuan strategi yang kurang optimal. Tahapan simulasi pemodelan sistem dinamis dan tiga pemodelan pemrograman pendukung adalah sebagai berikut: 7.1 Simulasi penggalangan ide-ide pengembangan agroindustri gula tebu Dalam rangka mencapai tujuan penggalangan ide-ide, dalam penelitian ini akan digunakan bantuan software Interpretive Structural Modeling yang dibuat oleh Concept Star. Dalam software ISM, ide-ide yang muncul dari hasil Focused Group Discussion (FGD) diinput ke dalam program yang didahului oleh penentuan visi bersama yang melandasi pengembangan agroindustri gula tebu. Setelah peserta FGD sepakat dengan visi tersebut, maka langkah selanjutnya adalah membuat pernyataan kontekstual untuk membantu penurunan visi bersama tersebut ke dalam kegiatan riel sesuai konteks yang ada. Langkah-langkah tersebut seperti dirincikan pada Lampiran 9 sampai dengan Lampiran 12. Dalam penelitian ini konteks signifikan diutarakan berkenaan dengan pentingnya meningkatkan kinerja semua pihak yang terkait dengan pengembangan agroindustri gula tebu. Setelah pernyataan kontekstual maka dilanjutkan dengan jenis relasi. Dalam penelitian ini jenis relasi dinyatakan dalam kalimat pernyataan lebih berpotensi

63 tercapainya tujuan. Penentuan pernyataan dasar, pernyataan konteks, dan relasi dapat dilihat di Gambar 21. Gambar 21 Penentuan pertanyaan, konteks, dan relasi ISM Setelah tahap penentuan pertanyaan dan konteks, peserta FGD diminta untuk menyampaikan ide-ide. Dalam penelitian ini terjaring 11 (sebelas) ide-ide yang diklasifikasikan sebagai ide utama. Struktur 11 ide ini sangat acak dan berpotensi persoalan dalam menentuakan prioritas, seperti yang terlihat pada Gambar 22. Gambar 22 Sebelas ide utama usulan para pemangku kepentingan

64 Berdasarkan ide-ide sebanyak 11 buah tersebut, dilakukanlah proses pemilihan (voting), peserta diminta memilih satu dari dua alternatif kombinasi ide-ide yang disajikan secara berulang seperti contoh pada Gambar 23. Gambar 23 Contoh laman voting penentuan prioritas Setelah pelaksanaan voting berulang selesai secara menyeluruh, maka software ISM secara otomatis dapat mengeluarkan hasil simulasi ide-ide ke dalam sebuah format diagram yang terstruktur dan mengikuti kaedah prioritas, seperti pada Gambar 24. Gambar 24 Hasil simulasi ISM: struktur ide-ide berdasarkan prioritas

65 Hasil simulasi ISM menunjukan ide Peningkatan Produktifitas Hasil Panen Tebu sebagai elemen utama dan pertama dalam rangkaian pengembangan agroindustri gula tebu. Elemen ini selanjutnya dijadikan sebagai fokus pengembangan pada tahapan-tahapan pemrograman dan simulasi berikutnya. 7.2 Simulasi jejaring keyakinan Bayesian Jejaring keyakinan Bayesian (Bayesian belief network) merupaka alat bantu software yang dapat digunakan untuk membuat model probabilitas berkondisi yang proses awal hingga hasil perhitungan dapat dilihat pada Lampiran 13 sampai dengan Lampiran 16. Dalam penelitian ini, dengan merujuk hasil simulasi ISM yang menempatkan elemen Peningkatan Produktifitas Hasil Panen Tebu sebagai elemen utama dan pertama, maka elemen ini akan digunakan sebagai elemen tujuan dalam model jejaring keyakinan Bayesian, seperti pada Gambar 25. Gambar 25 Model jejaring keyakinan Bayesian, peningkatan produktifitas sebagai tujuan model

66 Simulasi model jejaring keyakinan Bayesian dilakukan dengan cara melakukan skenario perubahan pada elemen intervensi tindakan secara berulang. Dari berbagai skenario, diperoleh laporan utama proses simulasi pada Gambar 26 yang menggambarkan mengenai penjelasan maksud model dan informasi mengenai keseluruhan jejaring. Langkah berikut adalah simulasi hasil probabilitas bersyarat yang merupakan hasil utama jejaring. Dari hasil ini dapat dilihat sejauh mana tujuan model jejaring memiliki probabilitas peningkatan produktifitas: sedang, baik, baik sekali. Hasil dapat dilihat pada Gambar 27. Gambar 26 Hasil laporan utama proses simulasi Jejaring Keyakinan Bayesian Pada Gambar 27 terlihat bahwa setelah dilakukan simulasi, peluang keyakinan peningkatan produktifitas, menunjukan urutan: 1) berhasil meningkat dengan baik, 2) berhasil meningkat sangat baik, 3) berhasil meningkat sedang saja.

67 Gambar 27 Hasil simulasi model jejaring keyakinan Bayesian (BBN) 7.3 Simulasi Analytical Network Process Berdasarkan hasil perhitungan ISM telah diperoleh elemen peningkatan produktifitas hasil panen tebu sebagai elemen pertama dalam struktur pemeringkatan, lalu dilanjutkan dengan simulasi jejaring keyakinan Bayesian (BBN) yang menghasilkan keyakinan keberhasilan upaya peningkatan produktifitas dengan predikat berhasil dengan baik mencapai peringkat pertama, maka sebagai langkah berikut adalah menjaga hasil pemeringkatan ide utama ini dengan premis kebijakan. Dalam penelitian ini akan digunakan tiga jenis kebijakan: 1) Kebijakan Moneter, 2) Kebijakan Fiskal, dan 3) Kebijakan Pengembangan Alternatif Produk berbasis tebu. Alat bantu software yang digunakan adalah Superdecisions Versi Beta 2.4. dengan langkah awal membangun model ANP seperti pada Lampiran 5. Pada teknik pemrograman ANP, pertama-tama dilakukan pembuatan struktur pemrograman seperti pada Gambar 28.

68 Gambar 28 Interface model ANP penentuan kebijakan untuk pengembangan agroindustri gula tebu Hasil simulasi yang dilakukan oleh para peserta FGD dapat dilihat secara keseluruhan pada Lampiran 17 dan secara spesifik pemeringkatan level strategis seperti pada Gambar 29. Gambar 29 Hasil ANP level strategis management puncak

69 Bila ditinjau dari sisi Benefit, maka sejalan dengan makna Benefit yang setara dengan Strenght pada analisis SWOT, hasil simulasi menjunjukan kondisi agroindustri gula tebu saat ini seperti pada Gambar 30. Para pelaku FGD berpandangan pengembangan agroindustri gula tebu ke depan akan memiliki Benefit bila didukung oleh kebijakan Pengembangan Produk Alternatif. Gambar 30 Hasil simulasi peringkat kebijakan pada elemen Benefit Bila ditinjau dari sisi Cost yang setara dengan Weakness, maka hasil simulasi ANP menunjukan pemeringkatan kebijakan seperti pada Gambar 31. Gambar 31 Hasil simulasi peringkat kebijakan pada elemen Cost

70 Para pelaku FGD berpandangan pengembangan agroindustri gula tebu ke depan akan menghadapi Cost (kelemahan) dan mereka berpandangan untuk menghadapi kelemahan ini perlu didukung oleh kebijakan yang protektif berupa Penerapan Tarif BM. Bila ditinjau dari sisi Opportunity, maka sejalan dengan makna Opportunity yang setara dengan Opportunity pada analisis SWOT, hasil simulasi menjunjukan kondisi agroindustri gula tebu saat ini seperti pada Gambar 32. Para pelaku FGD berpandangan pengembangan agroindustri gula tebu ke depan akan memiliki peluang Opportunity yang baik bila didukung oleh kebijakan yang protektif, seperti Penerapan Tarif Bea Masuk. Hasil simulasi menunjukan bahwa antara kebijakan Penerapan Tarif Bea Masuk dan kebijakan Pengembangan Produk Alternatif tidak terlalu jauh berbeda meskipun kebijakan protektif lebih unggul. Hal ini sejalan dengan kaidah strategi bahwa untuk mengoptimalkan peluang maka salah satunya adalah berkembang dengan dilindungi proteksi yang wajar. Gambar 32 Hasil simulasi peringkat kebijakan pada elemen Opportunity Bila ditinjau dari sisi Risk yang setara dengan Threat, maka hasil simulasi ANP menunjukan pemeringkatan kebijakan seperti pada Gambar 33. Para pelaku FGD berpandangan pengembangan agroindustri gula tebu ke depan akan memiliki ancaman Risk yang datang sewaktu-waktu. Untuk menghadapi ancaman ini perlu didukung oleh kebijakan yang protektif, seperti Penerapan Tarif Bea Masuk. Hasil simulasi menunjukan bahwa antara kebijakan Penerapan Tarif Bea Masuk dan kebijakan Pengembangan Produk Alternatif jauh berbeda. Hal ini sejalan dengan kaidah strategi bahwa untuk melindungi ancaman maka salah satunya perlu dilakukan kebijakan yang protektif.

71 Gambar 33 Hasil simulasi peringkat kebijakan pada elemen Risks 7.4 Simulasi model sistem dinamis Sebagai model simulasi utama, pemodelan sistem dinamis terdiri dari interface utama berupa grafik supply-demand seperti pada Gambar 34. Pada interface terlihat bahwa permintaan akan gula dan pasokan dari waktu ke waktu mengalami surplus dan difisit. Perilaku ini sejalan dengan karakteristik agroindustri gula tebu yang merupakan komoditas musiman. Gambar 34 Interface utama model sistem dinamis pengembangan agroindustri gula tebu

72 Penelitian ini dapat menggunakan benchmarking sebagai dasar simulasi berupa rencana aksi swa sembada Pabrik Gula BUMN hingga tahun 2014, seperti di Tabel 10. Tabel 10 Rencana aksi pabrik gula BUMN Kegiatan Satuan 2010 2011 2012 2013 2014 Perluasan Areal Ha 6,561 1,236 18,423 7,059 9,924 Bongkar Ratoon Ha 36,932 39,473 43,187 44,254 45,983 Rawat Ratoon Ha 88,764 86,474 94,544 96,645 98,374 Penyediaan Kebon Bibit Dasar Ha 10,442 11,050 11,414 11,487 12,072 Penyediaan Pupuk Ha 243,346 247,862 257,571 262,203 270,164 Kredit Usaha Tani Tebu Ha 153,154 154,646 156,640 159,933 165,888 Zat Pemacu Kemasakan Ha 54,157 61,929 6,489 66,646 69,129 Sarana Irigasi & Lebung Ha 29,783 38,537 43,874 49,149 53,184 Peningkatan Kapasitas 14 13 17 13 13 Rehabilitasi Pabrik 16 18 19 16 15 Merger, Amalgamasi pabrik - 2-->1 4 -->2 5-->2 - Peningkatan Kualitas Gula 11 17 19 18 17 Pembangunan Pabrik Etanol - - 1 1 1 Pembangunan Pabrik Pupuk - - 2 3 1 Sumber: Revitalisasi Industri Gula BUMN 2010-2014 7.5 Hasil simulasi Tahun 2010 merupakan tahun penting untuk melakukan evaluasi kinerja agroindustri gula pada rentang waktu dekade 2010. Selanjutnya berdasarkan asumsi rencana aksi pengembangan pada Tabel 10, maka dilakukanlah simulasi yang hasilnya tertuang pada Tabel 11. Tabel 11 Hasil simulasi berdasarkan rencana aksi PG BUMN tahun 2014 Pabrik Gula BUMN Luas Lahan (ha) Hasil Tebu (Ton) Kapasitas (TCD) Gula (Ton) Rendemen (%) 2010 Riel 2014 Target 2010 Riel 2014 Target 2010 Riel 2014 Target 2010 Riel 2014 Target 2010 Riel 2014 Target PTPN II 8,361 8,991 515,390 597,478 3,563 4,547 31,000 43,615 6.00 7.30 PTPN VII 29,114 31,309 1,980,497 2,295,939 8,439 10,771 132,062 189,949 6.80 8.30 PTPN IX 31,694 34,083 2,239,284 2,595,944 12,339 15,748 129,355 224,244 7.10 8..60 PTPN X 74,670 80,298 6,281,500 7,281,980 36,348 46,390 410,817 620,175 7.00 8..50 PTPN XI 66,374 71,371 5,570019 6,457,179 33,841 43,191 318,514 463,513 5.90 7.20 PTPN XIV 11,470 12,335 570,410 661,262 3,222 4,112 27,312 43,444 5.40 6.60 PT. RNI 64,897 69,789 5,707,400 6,616,441 29,966 38,245 334,916 491.045 6.10 7..40 Total 286,580 308,789 22,864,500 26,506,222 127,718 163,004 1,356,076 2,075,984 6.33 7.7 % Perubahan 108% 116% 128% 153% 122%

73 Secara konsolidasi luas lahan pada tahun 2014 diperkirakan mengalami peningkatan 8 % dari sejak tahun 2010 atau menjadi seluas 308,580 ha. Dengan asumsi pelaksanaan program kerja yang telah ditetapkan, maka diprakirakan tingkat produktifitas hasil panen tebu dapat naik hingga 16%, pada tahun 2014. Pada tahun yang sama, dengan menerapkan program peningkatan kapasitas pabrik dan revitalisasi permesinan dan pembangunan pabrik baru, maka diprakirakan kapasitas giling dapat meningkat 28% sehingga dapat mencapai total kapasitas 163,004 ton cane per day. Diharapkan bila program kerja dapat dilaksanakan dengan baik, maka tingkat rendemen dapat dinaikan sebesar 22% sehingga rata-rata rendemen dapat mencapai 7.7 %. Akibat dari kenaikan rendemen adalah meningkatnya kenaikan produk gula kristal putih sebesar 53% sejak angka awal tahun 2010 yaitu mencapai 2,075,984 ton pada tahun 2014.