MétaCan
Menu
Back to cohort
Record W7043359230

Strategi Pengembangan Industri Pengolahan Sabut Kelapa

2000· dissertation· id· W7043359230 on OpenAlexaff

Bibliographic record

VenueIPB Business School Repository (Bogor Agricultural University) · 2000
Typedissertation
Languageid
FieldPharmacology, Toxicology and Pharmaceutics
TopicAdvanced Drug Delivery Systems
Canadian institutionsTellabs (Canada)
Fundersnot available
KeywordsWork (physics)Government (linguistics)Context (archaeology)Business management
DOInot available

Abstract

fetched live from OpenAlex

lndonesia memiliki luas areal penanaman kelapa terluas di dunia, yaitu 31,4%. Di susul oleh Filipina (27,7%), lndia (15,8%), dan Srilangka (3,7%). Namun demikian, produsen
\nkelapa terbesar dunia adalah lndia (24,5%). Disusul oleh lndonesia (24,4%), Filipina (24,3%), dan Srilangka (5,0%). Indonesia yang merupakan negara penghasil kelapa nomor dua tersebut sepatutnya memiliki kontribusi yang sangat besar bagi perdagangan serat sabut kelapa dunia.Namun, lndonesia hanya mampu meraih pangsa pasar 0,6 penen. Di lain pihak, Srilangka mampu meraih pangsa pasar 50,3% dan India meraih pangsa pasar 44,7%. Potensi bahan baku industri pengolahan sabut kelapa yang dimiliki Indonesia belum dimanfaatkan secara optimal dan belum mampu menandingi pangsa pasar dari dua negara penghasil serat sabut kelapa dunia tersebut. Sejalan dengan upaya pemberdayaan kekuatan ekonorni rakyat yang sedang digalakkan pemerintah sejak reformasi bergulir, maka industry pengolahan sabut kelapa memiliki posisi strategis untuk dikembangkan. Posisi strategis tersebut didukung oleh fakta bahwa perkebunan kelapa di Indonesia tersebar di berbagai provinsi dan sebagian besar merupakan perkebunan rakyat. Dengan demikian, strategi pengembangan industri pengolahan sabut kelapa nasional perlu dikaji secara komprehensif.Tujuan dari kajian ini adalah (I) mengkaji potensi pengembangan industri sabut kelapa
\nnasional dengan memetakan daerah-daerah sumber bahan baku yang potensial; (2) mengkaji skala ekonomis; (3) menganalisa kelayakan finansial dan ekonomi; (4) menghitung dan menganalisa Biaya Sumberdaya Domestik dan Tingkat Proteksi Efektif industri; (5) mengkaji faktor-faktor internal dan eksternal yang mempengaruhi pengevbangan industri sabut kelapa, serta implikasinya terhadap kekuatan, kelemahan, peluang dan ancamannya; serta (6) merumuskan strategi pengembangan industri pengolahan sabut kelapa, serta pola
\npengembangan yang tepat dalam upaya membangun industri pengolahan sabut kelapa yang tanggull, berbasis pada industri kecil, dan berorientasi ekspor. Dengan demikian, rumusan masalah dalam kajian ini adalah (I) BAgaimana potensi pengembangan dan peta sumber bahan baku industri pengolahan sabut kelapa di Indonesia? (2) Bagaimana skala ekonomis pengembangan industri pengolahan sabut kelapa di Indonesia? (3) Bagairnana kelayakan finansial unit pengolahan sabut kelap serta unit usahafinishing industri
\npengolahan sabut kelapa di Indonesia? (4) Bagaimana kelayakan finansial dan ekonomi pengembangan industri pengolahan sabut kelapa nasional? (5) Bagaimana kondisi korbanan
\nsumberdaya domestik untuk memperoleh satu unit devisa dalam upaya menggalakkan ekspor
\nhasil olalian sabut kelapa, serta kondisi tingkat preteksi yang efektif dari pengembangan
\nindustri tersebut? (6) Bagaiman pengaruh faktor eksternal dan internal, serta bagaimana
\ni~nplikasinya terhadap kekuatan, kelemahan, peluang dan ancaman industri pengolahan sabut
\nItelapa? (7) Bagaimana rumusan strategi pengembangan industri pengolahan sabut kelapa di
\nIndonesia, serta pola pengembangannya?
\nKajian tersebut dilakukan dengan pendekatan survei selama enam bulan dengan lokasi
\nsurvei di Ciamis, Bandung, dan Pandeglang. Data yang berhasil dikumpulkan meliputi data
\nsekunder dan data primer. Data sekunder dikumpulkan melalui kajian pustaka, dari Ditjen
\nPerkebunan, APCC, PT, Sukaraja Putera Sejati, dan instansi terkait lainnya. Data primer
\ndiku~npulkan melalui wawancara dan diskusi dengan pakar, kuisioner, serta pengamatan
\nlatigsung. Pakar yang menjadi narasumber ditentukan langsung @urposive sampling)
\nberdasarkan kepakaran, pengalaman praktis, dan pengalaman kajian. Analisa yang dilakukan
\nadalah analisis skala ekonomis, pernataan sumber bahan baku, analisis kelayakan finansial di
\ntingkat unit Usaha Pengolahan Sabut Kelapa (UPSK), unit Usaha Finishing (UF), dan Industri,
\ndengan kriteria kelayakan memiliki Net Present Value (NPV) yang positif, Internal Rate of
\nRelztrn (IRR) di atas suku bunga komersial (22%), Benejt-Cost Rasio (B/C) minimal sama
\ndengan satu, dan lamanya Masa Pengembalian Investasi (MPI), analisis kelayakan ekonomi di
\ntingkat Industri dengan kriteria NPV ekonomi, IRR ekonomi, dan B/C ekonomi, analisis nilai
\ntambah, analisis biaya sumberdaya domestik dan tingkat proteksi efektif, Matriks Internal
\nFactor Evaluation (IFE) dan External Factor Evaluation (EFE), Matriks SWOT, Diagram
\nSWOT, dan Proses Hirarki Analitik (PHA).
\nHasil analisis skala ekonomis menunjukkan bahwa skala usaha yang paling optimal di
\ntingkat UPSIC adalah kapasitas olah bahan baku 4000 butir per hari, karena hasil estimasi biaya
\nrata-rata jangkn panjang yang dipetakan dalam kurva biaya rata-rata jangka panjang
\nmenunjukkan bahwa titik otimal berada pada skala usaha tersebut. Di samping itu, hasil
\nanalisis nilai tambah pada skala tersebut menunjukkan bahwa setiap butir sabut kelapa yang
\ndiolah lnalnpu menghasilkan nilai tambah sebesar Rp. 135,65 dengan rasio nilai tambah pada
\nproses pengolahan tersebut mencapai 75,35%. Bagian tenaga kerja mencapai 17,70%, dan
\nbagian ~nanajemen mencapai 62,O 1 %.
\nPengembangan industri pengolahan sabut kelapa nasional harus dilakukan dengan
\npendekatan Satuan Wilayah Produksi (SWP) di mana didirikan unit Usaha Finishing yang
\nlnampu menyerap 20 UPSIC yang didirikan di wilayah kerjanya. Untuk mengblah lima persen
\nbahan baku yang tersedia dibutuhkan 27 SWP dan 540 UPSIC berkapasitas olah bahan baku
\nsabut kelapa 4000 butir per hari. Hasil pemetaan SWP di seluruh Indonesia diperoleh bahwa
\nterdapat 11 Dati 11 di Indonesia yang mampu secara mandiri mendukung satu SWP, yaitu
\nKab~~pateInn dragiri Hilir (Riau), Minahasa, Bolaang Mangondow, dan Gorontalo (Sulut),
\nMaluku Utara (Maluku), Tanjung Jabung (Jambi), Lampung Selatan (Lampung), Donggala dan
\nBanggai (Sukeng), Cia~nis (Jabar), serta Nias (Sumut). Terdapat 16 SWP yang mampu
\ndidukung oleh beberapa Dati I1 yang berdekatan, yaitu Maluku Tengah (Maluku), Bengkalis
\n( R ~ ~ L IL)a,m p~lngT engah (Lampung), Pontianak (Kalbar), Kotawaringin Timur (Kakeng),
\nPadang Pariaman (Sumbar), Lombok Barat (NTB), Asahan (Sumut), Jembrana (Bali), Cilacap
\nda~i P~lrworejo (Jateng), Aceh Utara (Dl Aceh), Polewali Mamasa (Sulsel), Banyuwangi dan
\nBlitar (Jatitii),serta Serang (Jabar).
\nNasil analisis kelayakan finansial pada tingkat UPSK pada delapan skala usaha, yaitu skala
\nusaha berkapasitas olah bahan baku 1000, 2000, 3000, 4000, 8000, 12000, 16000, dan 20000
\nbutir per hari, menunjukkan bahwa semua skala usaha tersebut layak untuk dijalankan. Namun
\ndari kedelapan skala usaha tersebut, kapasitas olah bahan baku 4000 butir per hari yang paling
\nlayak diusaliakan dengan nilai NPV pada tingkat faktor dikonto 16% sebasar Rp. 194.713.018,
\nIRR sebesar 90,08%, BIC sebesar 3,23, dan MPI selama 1,21 tahun atau 15 bulan.
\nDi lain pihak, hasil analisis kelayakan finansial pada tingkat unit usahafinishing dengan
\nskala usaha yang mampu menyerap produksi dari 20 UPSK menunjukkan bahwa unit usaha
\ntersebut layak untuk dijalankan karena memiliki nilai NPV positif, sebesar Rp. 4,267 milyar,
\npada tingkat faktor diskonto 16%, IRR di atas suku bunga komersial sebesar 54,07%, BIC di
\natns satu (2,52), dan MPI selama 1,9 tahun atau 23 bulan.
\nI-Iasil analisis finansial di tingkat industri menunjukkan bahwa secara finansial industri
\npengolahan sabut kelapa nasional layak untuk dikembangkan karena memiliki NPV positif
\n(Rp. 192,297 milyar) pada tingkat faktor diskonto 16%, IRR di atas suku bunga komersial
\n(72,61%0, BIC di atas satu (6,85), dan MPI selama 3,s tahun atau 46 bulan. Di lain pihak,
\nhasil analisis Icelayakan ekonomi juga menujukkan bahwa industri tersebut layak untuk
\ndikembangkan karena secara ekonomi memiliki NPV ekonomi pada diskon faktor sosial
\n(8,91%) adalah Rp. 435,5 milyar (positif), IRR ekonomi adalah 130,44% (di atas tingkat faktor
\ndiskonto sosial), dan BIC ekonomi sebesar 27,14.
\nI-Iasil analisis simulasi biaya sumberdaya domestik industri dan tingkat proteksi efektif
\ndengan menggunakan Shadow Exchange Rate (SER) sebesar Rp. 7.977NSD dan Official
\nExchange Rate (OER) sebesar Rp. 7.809NSD menunjukkan bahwa walaupun industri
\npengolahan sabut kelapa nasional termasuk infant industry, tetapi secara ekonomi harus tetap
\ndikenakan pajak langsung (misalnya pajak ekspor) minimal 3%. Hasil simulasi terhadap
\nellipat jenis perlaleuan, yaitu (1) harga jual FOB Tanjung Periuk oleh PT. Sukaraja Putera
\nSejati saat ini (USD 1401ton untuk cocofibre dan USD 1501ton untuk cocopeat) tanpa pajaic
\nlangsung memiliki unit BSD sebesar Rp 8.308/USD, RBSD(sER) sebesar 1,04, RBSD(oER)
\nsebesar 1,06, ERP(sER)s ebesar 0,04 dan ERP(oER)s ebesar 0,06; (2) harga jual FOB Tanjung
\nPesiuk oleh PT. Sukaraja Putera Sejati saat dengan pajak langsung sebesar 10% memiliki unit
\nBSD sebesar Rp. 7.411/USD, RBSD(SER,s ebesar 0,93, RBSD~ERs,e besar 0,95., ERP(saR,
\nsebesar -0,07 dan ERP~ERse)b esar -0,05; (3) harga jual FOB rata-rata eksportir utalna dunia
\n(USD 2001ton untuk cocofibre dan cocopeat) tanpa pajak langsung memiliki unit BSD sebesar
\nRp. 8.208/USD, RBSD(SERs)e besar 1,03, RBSD(OERs)e besar 1,05, ERP(sER)s ebesar 0,03 dan
\nERP(oERs) ebesar 0,05; serta (4) harga jual FOB rata-rata eksportir utama dunia dengan pajak
\nlangsung sebesar 10% memiliki unit BSD sebesar Rp. 7.342NSD, RBSD(s~s~e)b esar 0,92,
\nRBSD(OERse) besar 0,94, ERP(sERs)e besar -0,08 dan ERP(oERs)e besar -0,06.
\nVisi pengembangan industri pengolahan sabut kelapa nasional adalah "Indostri
\nPengolal~an Sabut Kelapa Indonesia Menjadi Industri Terkemuka Dunia dan Pemimpin
\nPnsar

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesMeta-epidemiology (narrow), Research integrity, Insufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.715
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0020.002
Meta-epidemiology (broad)0.0020.001
Bibliometrics0.0010.004
Science and technology studies0.0030.000
Scholarly communication0.0000.003
Open science0.0020.000
Research integrity0.0040.006
Insufficient payload (model declined to judge)0.0020.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.038
GPT teacher head0.302
Teacher spread0.263 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; both teacher heads agree on what is shown here.

Study designBench or experimental
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2000
Admission routes1
Has abstractyes

Explore more

Same venueIPB Business School Repository (Bogor Agricultural University)Same topicAdvanced Drug Delivery SystemsFrench-language works237,207