SISTEM PENDUKUNG KEPUTUSAN KELOMPOK UNTUK PENENTUAN PRIORITAS KAWASAN ANDALAN DAN SEKTOR UNGGULAN WILAYAH (STUDI PADA PROVINSI PAPUA)

HERU ISMANTO, Dr. Azhari, MT; Dr. Suharto; Prof. Drs. Lincolin Arsyad, M.Sc., Ph.D

2019 | Disertasi | DOKTOR ILMU KOMPUTER

INTISARI Penentuan kawasan andalan suatu wilayah pada umumnya dilakukan melalui pengklasifikasian wilayah menggunakan pendekatan Tipologi Klassen. Selanjutnya dianalisis kelompok sektor PDRB (Produk Domestik Regional Bruto) unggulan dilakukan dengan pendekatan shift share pada setiap wilayah yang sudah terklasifikasi ke dalam kawasan andalan. Permasalahan pertama, penggunaan pendekatan klassen dan shift share umumnya digunakan secara terpisah sehingga menjadi masalah dalam menghasilkan informasi yang utuh terkait kawasan andalan dan sektor unggulan pembangunan. Permasalahan Kedua adalah, ketidakmampuan kedua pendekatan tersebut melibatkan parameter pengambil keputusan di daerah untuk terlibat dalam penentuan kawasan andalan dan sektor unggulan wilayah. Oleh karenanya dibutuhkan sebuah pendekatan baru untuk mengatasi dua permasalahan penggunaan metode tipologi klassen dan shift share. Penelitian ini dilakukan untuk mengembangkan sebuah model baru, kombinasi antara bidang komputasi dan ekonomi regional dengan memanfaatkan pendekatan sistem pendukung keputusan kelompok (SPKK) sebagai basis model. Model SPPK untuk penentuan kawasan andalan dan sektor unggulan dikembangkan dalam penelitian ini dengan menggabungkan beberapa pendekatan seperti tipologi klassen, shift-share, decision tree dan borda yang dikombinasikan dalam model SPKK. Hasil penelitian memperlihatkan bahwa model SPKK yang dikembangkan mampu menentukan kawasan andalan serta sektor unggulan untuk setiap kawasan andalan yang teridentifikasi. Ada 12 (dua belas) dari 29 wilayah di Provinsi Papua yang terklasifikasi ke dalam kawasan andalan yaitu Kab Jayapura, Kota Jayapura, Mimika, Merauke, Nabire, Biak, Boven Digul, Jayawijaya, Sarmi dan Kerom. Hasil pengukuran akurasi antara model SPKK dengan pendekatan komputasi k-mean untuk penentuan kawasan andalan dengan menghitung nilai success rate memperlihatkan tingkat akurasi penentuan kawasan andalan sebesar 83%. Ada dua wilayah yang masuk dalam klasifikasi k-mean tetapi tidak muncul pada hasil SPKK dan ada dua wilayah yang muncul di SPKK tetapi tidak ada sebelumnya pada k-mean sebagai kawasan andalan.

ABSTRACT Determination of the mainstay area of a regoion is generally carried out through the regional classification using the Klassen Typology approach. Then analyzing the leading group of GRDP (Gross Regional Domestic Product) sectors is conducted by the shift share approach in each region that has been classified into the mainstay area. The first problem, the use of the class and shift share approach is generally used separately so that it becomes a problem in producing complete information related to the mainstay area and the leading sector of development. The second problem is that the inability of the two approaches involves the parameters of decision makers in the regions to be involved in determining the mainstay area and the leading sector of the region. Therefore a new approach is needed to overcome two problems using the classification and shift share typology methods. This research was conducted to develop a new model, a combination of computational fields and regional economics by utilizing a group decision support system (SPKK) approach as a model base. The SPPK model for determining the mainstay area and the leading sector was developed in this study by combining several approaches such as the Klassen typology, shift-share, decision tree and borda combined in the SPKK model. The results of the study show that the SPKK model developed was able to determine the mainstay area and leading sectors for each of the mainstay areas identified. There are 12 (twelve) of the 29 regions in Papua Province that are classified into the mainstay areas, namely Jayapura Regency, Jayapura City, Mimika, Merauke, Nabire, Biak, Boven Digul, Jayawijaya, Sarmi and Kerom. Accuracy measurement results between the SPKK model and the classification approach for determining the mainstay area by calculating the success rate shows the accuracy of the determination of the mainstay area by 83%. There are two regions that were included in the initial classification of clusters but did not appear in the results of the SPKK and there were two regions that appeared on the SPKK but did not exist previously in k-mean as the mainstay area.

Kata Kunci : Mainstay area, leading sector, klassen typology, shift share, decision tree, borda, SPKK model