Abstract

This study investigates the application of Interpretive Structural Modeling (ISM) to enhance labor productivity in concrete manufacturing, specifically focusing on u-ditch products. The ISM method was selected for its simplicity and clarity in identifying critical elements that impact productivity. The research highlights the paramount importance of leadership commitment, which emerged as a level 1 variable, underscoring its role as a fundamental factor that must be prioritized. Findings suggest that addressing leadership commitment effectively leads to significant improvements in labor productivity. These results underscore the potential of targeted managerial interventions in boosting operational efficiency in industrial settings.

Highlights :

• Leadership Commitment as the key element variable in increasing labor productivity through ISM.
• The simplicity and ease of understanding of ISM make it suitable for addressing critical aspects of U-Ditch concrete production.
• Focusing on the most important variables, such as leadership commitment, helps improve overall efficiency and effectiveness in the manufacturing process.

Keywords - Interpretive Structural Modeling (ISM), Increased Productivity, key element

Pendahuluan

Cara untuk mendapatkan dan mewujudkan kesejahteraan seluruh masyarakat yaitu dengan cara meningkatkan Sumber Daya Manusia (SDM) yang memiliki pengertian sebagaimana sumber daya manusia yang ada dapat dikelola dan dikembangkan. Peran yang sangat penting dalam mencapai tujuan pembangunan diperlukan SDM dalam pembangunan nasional. Unsur utama dalam pembangunan merupakan unsur dari SDM sebagai salah satu aktor terpenting dan jumlah penduduk di dalam suatu negara [1].

Campuran dari bahan-bahan air, agregat kasar (kerikil), agregat halus (pasir), dan semen, merupakan bahan- bahan pembuatan produk beton [2]. PT. INTIDI yang bergerak dalam produksi manufaktur beton telah memproduksi bermacam-macam tipe beton selain u-ditch diantaranya yaitu cover saluran, box culvert, mediumbox culvert top bottom, big size box culvert top bottom, l-shape, panel, pondasi, dan lain sebagainya. Produk- produk PT. INTIDI sering digunakan di kota-kota besar seperti Sidoarjo untuk pengaplikasian trotoar. Didalam produk tersebut mempunyai beton tulangan yang dapat menahan beban kendaraan bermotor sebesar dua ton. Selain untuk saluran irigasi, u-ditch dapat berguna untuk mencegah terjadinya banjir dan tanah amblas akibat hujan dan kendaraan berat.

Waktu kerja, kualitas bahan baku, para pekerja, dan sebagainya merupakan faktor-faktor penyebab penurunan produktivitas [3]. Berdasarkan penelitian langsung selama enam bulan di PT. INTIDI dan mendapatkan hasil

produktivitas tenaga kerja menurun akibat tidak adanya fasilitas kamar mandi di divisi produksi dan stokyard. Sehingga tenaga kerja divisi produksi dan stokyard harus berjalan jauh ke divisi tulangan. Fasilitas lainnya yaitu tidak adanya kanopi pelindung pada divisi produksi sehingga para tenaga kerja terkena panas sinar matahari secara langsung. Akibat dari produktivitas tenaga kerja yang menurun adalah target produksi perusahaan menurun sebesar 54% selama satu tahun di tahun 2021.

ISM membantu dalam memastikan urutan serta hasil dari ikatan dan lingkungan sistem dalam antar elemen [4]. Tata cara ISM digunakan untuk memastikan implementasi rencana strategis faktor-faktor yang mempengaruhi dalam meningkatkan kepuasaan serta layanan customer [5]. Metode pemodelan yang dibuat untuk perencanaan kebijakan strategi ialah penafsiran dari InterpretiveStructuralModelling(ISM). J. Warfield menciptakan pertama kali ISM pada tahun 1973, Definisi ISM ialah proses belajar dengan dorongan AI yang memperbolehkan kelompok ataupun individu-individu untuk meningkatkan sebuah ikatan lingkungan antara bermacam elemen yang ikut serta dalam suasana keadaan lingkungan. Suatu metodologi perencanaan mutahir yang digunakan untuk mengenali serta merumuskan aneka berbagai ikatan antar aspek dalam suatu kasus ataupun isu tertentu merupakan penafsiran ISM [6].

Mengidentifikasi dan memodelkan hambatan kritis terhadap cloud pada UMKM adalah kegunaan dari ISM [7]. Membuat model yang menggambarkan struktur dari permasalahan lingkungan serta model sistematik yang komprehensif merupakan tata cara ISM. Banyak riset yang memakai tata cara ISM untuk mengenali mitigasi dalam mengurangi resiko musibah kerja proyek kontruksi. Oleh karena itu ISM membantu dan memastikan urutan serta tujuan pada ikatan lingkungan antar elemen dalam sistem [8]. Penelitian terkait dengan penggunaan ISM sudah pernah dilakukan oleh beberapa peneliti diantaranya Putri di tahun 2015 [9], Kurniawan di tahun 2019 [10], Yunita di tahun 2019 [11]. Pada tujuan penelitian ini akan menganalisa matriks dependence power, driving power, dan menganalisa variabel graph leveldari aplikasi Interpretive StructuralModelling(ISM).

Metode

T AHAP P ENGOLAHAN D ATA

Penelitian yang dilakukan di PT. INTIDI terdapat serangkaian proses yang berurutan dan saling memiliki keterkaitan secara sistematis. Tahap penelitian ini dimulai dari proses identifikasi masalah, kemudian menghasilkan suatu kesimpulan dan saran.

Figure 1.diagram alir metodologi penelitian

Figure 2.FlowchartProses Penelitian

A.       Variabel Penelitian

Tanggapan ahli Structural Self Interaction Matrix (SSIM) ini diperoleh dari ikatan antar hubungan elemen pelaku sistem untuk hasil pada klaster tenaga kerja dan setelah itu disusun bersumber pada ikatan antar elemen tujuan tersebut. Reachability Matrix yang dihasilkan berdasarkan ketentuan transitivity bersumber dari SSIM awal setelah itu dilakukan revisi lagi. SSIM hasil perbaikan bersumber dari reachability matrix yang sudah direvisi. ReachabilityMatrixdari intepretasi elemen pelaku serta diagram model struktural. Matriks DP-D elemen pelaku setelah itu bersumber pada DriverPower (DP) dan Dependence(D) [12].

Variabel yang akan dijadikan model berasal dari hasil brainstormingpeneliti dan para narasumber. Dalam hal ini para narasumber yang berkaitan dengan tata kelola peningkatan produktivitas. Setelah melalui brainstorming, maka didapatkan variabel-variabel kerangka kerja terlihat pada tabel 1.

B. Tahapan Pembuatan Interpretive Structural Modelling (ISM)

Model ISM yang dihasilkan bisa jadi panduan untuk owner UKM untuk memutuskan strategi yang wajib digunakan untuk mengoptimalkan pencapaian pada variabel utama [13]. Berikut ini merupakan diagram alir tahapan pembuatan InterpretiveStructuralModellingyang disingkat menjadi ISM untuk penyelesaian permasalahan strategi peningkatan produktivitas tenaga kerja beton PT. INTIDI, sebagaimana terlihat pada gambar 2.

Figure 3.ahapan Pembuatan InterpretiveStructuralModelling(ISM)

C.        Pengolahan Data

Variabel riset ialah sesuatu objek, watak, atribut, nilai dari manusia, ataupun aktivitas yang memiliki bermacam-macam alterasi antara satu dengan yang lain yang diresmikan oleh periset dengan tujuan untuk dipelajari serta ditarik kesimpulan [14]. Pada tahapan ini variabel-variabel hasil pengumpulan pendapat dan wawancara dikelompokkan berdasarkan nomor urut dan dapat dilihat pada tabel 2.

T AHAP P ENGUMPULAN D ATA

Instrumen kunci merupakan selaku tata cara riset yang digunakan untuk mempelajari pada keadaan obyek yang alamiah dari periset dan riset ini ialah tipe riset kualitatif yang bertabiat deskriptif dan mengemukakan kalau tata cara riset ini adalah kualitatif [15]. Tidak banyak memberi peluang bagi fleksibilitas, masukan imajinatif dan refleksitas adalah akibat dari penelitian kuantitatif instrumen yang digunakan dan telah ditentukan sebelumnya dan tertata dengan baik [16]. Pengumpulan data secara garis besar dibagi menjadi tiga yaitu secara tidak langsung, seperti melakukan studi pustaka literasi terkait permasalahan yang akan dibahas, kemudian pengumpulan data secara langsung, dengan cara melakukan wawancara kepada pihak perusahaan terkait, kemudian melakukan dokumentasi mengenai informasi-informasi yang di izinkan dan pengamatan proses berjalannya suatu proses produksi pada perusahaan tersebut. Pengumpulan data yang dilakukan pada perusahaan kali ini menggunakan beberapa teknik antara lain. Interview (wawancara) pada human resource department. Pada tahap pengumpulan data dengan teknik wawancara ini bertujuan untuk mengetahui bagaimana cara penanganan proyek pada perusahan tersebut dan kendala apa saja yang terjadi pada tenaga kerja sebelumnya. Observasi (Pengamatan) yang berlokasi di PT. INTIDI. Tahap pengumpulan data pada proses ini diperaoleh dengan cara melakukan pencatatan dan pengamatan secara langsung pada lokasi pabrik, kebutuhan produksi di lokasi, dan metode apakah yang di lakukan selama ini dalam proses perencanaan.

I NFORMAN P ENELITIAN

Penelitian ini menggunakan teknik samplingpurposiveuntuk menentukan informan dalam penelitian ini. Teknik samplingpurposiveyaitu cara menentukan informan dengan memilih informan sesuai dengan kriteria dan kebutuhan penelitian ini [17]. Para pakar yang terpilih adalah tujuh dari karyawan pabrik diantaranya Nh, sebagai admin. Rd, sebagai HRD. Ca, sebagai admin keuangan. Ib, sebagai staf produksi. Nr, sebagai marketing. Ia, sebagai staf QC dan Ft sebagai stockyard.

Setelah kuisioner telah diisi oleh tujuh orang pakar, selanjutnya data dimasukkan kedalam tabel excel dan masuk ke aplikasi untuk dilakukan proses pengelompokkan dan pengolahan data. Maka didapatkan hubungan kontekstual antara dua variabel yang terlihat pada tabel 4. Berbagai notasi dalam SSIM sebagai berikut.

VEij = 1; Eji = 0

AEij = 0; Eji = 1

XEij = 1; Eji = 1

OEij = 0; Eji = 0

A.     Canonical Matrix

Membuat Canonical Matrix untuk memastikan proses transformasi dari SSIM (Structural Self IterationMatrix) ke dalam wujud matrixbiner dengan angka (0 serta 1) yang bertujuan untuk mengenali driverpower,rank,dependence, hirarki serta tingkat lewat iterasi. Dari model tersebut setelah itu nantinya hendak dijadikan suatu road map pengembangan lembaga ataupun tingkat [17].

Dari tabel 5 CanonicalMatrix, didapatkan hasil sebagai berikut, DriverPowerdidapatkan dari penjumlahan baris dari A1 sampai A14. Dependence didapatkan dari penjumlahan kolom dari A1 sampai A14. Berdasarkan tabel Canonical Matrix di atas dapat diketahui ranking setiap sub elemen melalui teori Transivity, untuk sub elemen yang menghasilkan ranking 1 yaitu sub elemen A1 (Komitmen pimpinan) sedangkan sub elemen yang menghasilkan ranking 7 atau yang terakhir adalah sub elemen A7 (Penjadwalan linear).

B.     Level Partitionary

Berdasarkan tabel 6 Level Partitionary diatas dapat diketahui hasil level priority dimana urutan sub elemen dengan rangking tertinggi yaitu A14 (Ketersediaan aspirasi) sebagai faktor kunci peningkatan produktivitas tenaga kerja. Rangking kedua yaitu A2 (Ketersediaan komite pengarah), A9 (Pengaruh gaji), A10 (Kedisiplinan), dan A13 (Pemberian penghargaan). Rangking ketiga yaitu A7 (Penjadwalan linear), dan A12 (Pengalaman kerja). Rangking keempat yaitu A4 (Nilai tambah) dan A6 (Penilaian hasil). Rangking kelima yaitu A1 (Komitmen pimpinan), A3 (Teamwork), dan A11 (Lingkungan kerja). Rangking keenam yaitu A8 (Penjaminan kualitas). Rangking terendah yaitu A5 (Pendidikan dan pelatihan).

C.     MICMAC Analysis

Metode analisis struktural yang diperkenalkan pertama kali oleh Dupperin dan Michael Godet pada tahun 1973 adalah MICMAC (Matrix of Crossed Impact Multiplications Applied to a Classification). Menawarkan penyelesaian kompleksitas dengan membuat peringkat elemen-elemen suatu sistem secara sistematis dan terstruktur serta melalui bentuk hubungan yang terjadi antar variabel adalah kegunaan dari metode ini. Melakukan identifikasi faktor-faktor kunci adalah pengaplikasian dari metode MICMAC [18].

Area I, AutonomousVariableadalah variabel yang tidak dipengaruhi oleh variabel lain dalam model atau sistem tertentu. Area II, Dependent Variable adalah variabel yang disebabkan atau dipengaruhi oleh adanya variabel bebas/variabel independen. Area III, LinkageVariableyaitu menitikberatkan pada jarak antar nilai tengah observasi pada variabel dalam suatu set variabel klaster. Area IV, Independent(driver)variableyaitu variabel yang memengaruhi atau menyebabkan perubahan pada faktor yang diukur atau dipilih oleh seorang peneliti

Figure 4. Matriks Dependence Power

Dari gambar 3 terlihat bahwa semua variabel terletak di linkagevariableyang artinya memiliki pengaruh yang tinggi di (grafik y) dan tingkat ketergantungan yang rendah di (grafik x). Akan tetapi terlihat variabel A1 terletak di grafik 14 y dan 10 x yang artinya variable komitmen pimpinan merupakan elemen kunci peningkatan produktivitas.

Pada dasarnya untuk menyusun hirarki setiap sub elemen pada elemen yang dikaji kemudian membuat klasifikasi ke dalam 4 (empat) sektor untuk menentukan sub elemen mana yang termasuk ke dalam variabel: autonomous (sektor 1), dependent (sektor 2), linkage (sektor 3), dan independent (sektor 4) adalah akibat dari dilakukannya analisis dengan menggunakan Interpretative StructuralModelling (ISM) [19].

Tidak ada variabel yang terdapat pada area I Autonomous Variable. Tidak ada variabel yang terdapat pada area II DependentVariable.Semua variabel yaitu komitmen pimpinan, ketersediaan komite pengarah, teamwork, nilai tambah, pendidikan dan pelatihan, penilaian hasil, penjadwalan linear, penjaminan kualitas, pengaruh gaji, kedisiplinan, lingkungan kerja, pengalaman kerja, pemberian penghargaan dan ketersediaan aspirasi termasuk kedalam area III Linkage Variable, dan Tidak ada variabel yang terdapat pada area IV Independent Variable(Driver).

D.     Graph Level

Tujuan dari graph level adalah untuk mengetahui variabel-variabel peningkatan produktivitas terpenting yang harus dibenahi berdasarkan level-level dari aplikasi ISM[20].

Figure 5. Graph level

Dari gambar 4 graph level, didapatkan hasil yaitu variabel komitmen pimpinan termasuk kedalam level 1 yang berarti variabel tersebut merupakan variabel kunci atau terpenting yang harus lebih dahulu dibenahi. Variabel-variabel berikut yaitu ketersediaan komite pengarah, teamwork, pendidikan dan pelatihan, dan lingkungan kerja termasuk kedalam level 2. Variabel-variabel berikut yaitu nilai tambah dan penjaminan kualitas termasuk kedalam level 3. Variabel-variabel berikut yaitu kedisiplinan, pengalaman kerja, dan ketersediaan aspirasi termasuk kedalam level 4. Variabel-variabel berikut yaitu penilaian hasil termasuk kedalam level 5. Variabel-variabel berikut yaitu pengaruh gaji dan pemberian penghargaan termasuk kedalam level 6 dan variabel terakhir berikut yaitu penjadwalan linear termasuk kedalam level 7.

Simpulan

Berikut hasil dari perhitungan matrix dependence power dan driving power adalah sebagai berikut. Tidak ada variabel yang terdapat pada area I Autonomous Variable. Tidak ada variabel yang terdapat pada area II DependenceVariable.Semua variabel termasuk kedalam area III LinkageVariable.Tidak ada variabel yang terdapat pada area IV IndependentVariable(Driver).Hasil analisa variabel graphleveladalah sebagai berikut. Variabel berikut yaitu, komitmen pimpinan termasuk kedalam level 1 yang berarti variabel tersebut merupakan variabel kunci. Variabel berikut yaitu ketersediaan komite pengarah, team work, pendidikan dan pelatihan, dan lingkungan kerja termasuk kedalam level 2. Variabel-variabel berikut yaitu nilai tambah dan penjaminan kualitas termasuk kedalam level 3. Variabel-variabel berikut yaitu kedisiplinan, pengalaman kerja, dan ketersediaan aspirasi termasuk kedalam level

4. Variabel-variabel berikut yaitu penilaian hasil termasuk kedalam level 5. Variabel-variabel berikut yaitu pengaruh gaji dan pemberian penghargaan termasuk kedalam level 6. Variabel berikut yaitu penjadwalan linear termasuk kedalam level 7. Kelemahan dari penelitian ini adalah hanya menggunakan satu metode saja, diharapkan kedepannya bisa ditambahkan dengan metode Analytical Hierarchy Process (AHP) agar pemecahan masalah dapat lebih terstruktur dan sistematis.

References

1. W. Ningsih, F. Abdullah, “Analisis Perbedaan Pencari Kerja dan Lowongan Kerja Sebelum dan Pada Saat Pandemi Covid-19 di Kota Malang”, vol. 2(1), hal. 43, 2021
2. A. Mulyadi, P. Suanto, Ferdinan, “Analisis Kuat Tekan Mutu Beton K.200 Memakai Limbah Pecahan Genteng Beton Sebagai Pengganti Agregat Kasar”, Vol.11, hal. 1, 2021
3. M. Bahrudin, H. Wahyuni, “Pengukuran Produktivitas Kerja Karyawan Pada Bagian Produksi Dengan Menggunakan Metode Objective Matrix (Omax) dan Root Cause Analyze (RCA)”, Vol. 1, hal. 116, 2017.
4. P. Pfohl, Gallus, dan D. Thomas, “Interpretive Structural Modeling of Supply Chain Risks”, vol. 41, no. 9, 2011
5. M. Bahadori, E. Teymourzadeh, “A Review of Botany and Pharmacological Effect and Chemical Composition of Echinophora Species Growing in Iran”, 2018.
6. Rusydiana, A. Slamet, “Aplikasi Interpretative Structural Modeling untuk Strategi Pengembangan Wakaf Tunai di Indonesia, Vol. 4, 2018
7. R. Gardas, A. Raut, H. Jagtap, dan B. Narkhede, “Exploring The Key Performance Indicators Of Green Supply Chain Management In Agro-Industry”, 2018
8. H. Haryono, D. Iryaning, “Pemodelan Sistem Traceability Halal Supply Chain dalam Menjaga Integritas Produk Makanan Halal Dengan Pendekatan Interpretive Structural Modeling (ISM)”, Vol. 2, hal. 71, 2018
9. I. Putri, “Strategi Pengembangan Agroindustri Suwar-Suwir di Kabupaten Jember”, 2015
10. B. Kurniawan, “Analisis dan Usulan Strategi Penguatan Kelembagaan Petani Swadaya Kelapa Sawit”, 2019
11. I. Yunita, “Pemodelan Kelembagaan dengan ISM pada Rantai Pasok Berkelanjutan Kelapa Sawit di Sei Kepayang, Sumatera Utara”, 2019
12. M. Sianipar, “Penerapan Interpretative Structural Modeling (ISM) dalam Penentuan Elemen Pelaku dalam Pengembangan Kelembagaan Sistem Bagi Hasil Petani Kopi dan Agroindustri Kopi. Agrointek.”, vol. 6, No.1, hal. 11, 2012
13. P. Arsiwi, P. Adi, “Interpretive Structural Modelling Untuk Meningkatkan Daya Saing Rantai Pasok UKM Mina Indo Sejahtera,” Vol. XIV, No. 1, hal. 26, 2020.
14. R. Ulfa, “Variabel Penelitian dalam Penelitian Pendidikan”, Hal. 342, 2021
15. Sugiyono, “Metode Penelitian Kuantitatif, Kualitatif dan R&D”, 2016
16. M. Mulyadi, “Penelitian Kuantitatif dan Kualitatif Serta Pemikiran Dasar Menggabungkannya. Jurnal Studi Komunikasi dan Media”, Vol. 15 No. 1, hal.131, 2011
17. I. N. Rachmawati, “Pengumpulan Data dalam Penelitian Kualitatif: Wawancara”, Volume 11, No.1, hal 35-40, 2007
18. S. Rosalinda, R. Faridz, Purwandari, Umi, Fansuri, Hamzah, “Analisis faktor-faktor yang mempengaruhi keberlanjutan mata pencaharian petambak garam di madura menggunakan metode MICMAC”, Vol. 16, hal. 306, 2022
19. F. Palobo, Y. Baliadi, “Penerapan Interpretive Structural Modeling (ISM) Dalam Penentuan Elemen Pelaku Pengelolaan Tanaman Terpadu (PTT) Padi Sawah Menuju Pertanian Berkelanjutan Di Kabupaten Merauke”, Vol. 19(1): 30-44, 2019
20. N. Douw, M. Maarif, Syamsul, L. Baga, “Peningkatan Produktivitas Kerja Karyawan Development di Tambang Bawah Tanah DMLZ (Deep Mill Level Zone) PT Freeport Indonesia”, Vol. 7, hal. 321, 2021