Model Analisis

3.4 Metode Penelitian

3.4.3 Model Analisis

(1) Analisis skalogram

Menurut Rustiadi et al. (2003), analisis skalogram digunakan untuk menentukan hirarkhi wilayah. Caranya adalah seluruh fasilitas umum yang dimiliki oleh setiap unit wilayah didata dan disusun dalam satu tabel. Tahapan dalam penyusunan analisis skalogram adalah: 1) menyusun fasilitas sesuai dengan

penyebaran dan jumlah fasilitas di dalam unit-unit wilayah; 2) khusus untuk fasilitas yang menandakan jarak harus dibuat inversnya; 3) semua nilai fasilitas dirasiokan terhadap luas di setiap wilayah sehingga diperoleh sebaran fasilitas di wilayah tersebut; 4) semua nilai haris distandarisasikan dulu sehingga nilai tersebut memiliki satuan yang sama; 5) menjumlahkan seluruh fasilitas secara horizontal untuk menentukan indeks perkembangan suatu wilayah; 6) mencari kapasitas pelayanan fasilitas tersebut terhadap jumlah penduduk yang ada dengan cara mengalikan indeks perkembangan di setiap wilayah dengan jumlah penduduk; serta 7) menjumlahkan masing-masing unit fasilitas secara vertikal sehingga diperoleh jumlah unit fasilitas yang tersebar di seluruh unit wilayah, selain itu ditentukan juga rata-rata unit fasilitas tersebut (average), standar deviasi (st-dev), total terisi (countif, sehingga fasilitas yang bernilai nol tidak akan dihitung), bobot (rasio antara total terisi dengan jumlah desa), nilai maksimum (max) dan nilai minimum (min).

Model untuk menentukan nilai Indeks Perkembangan suatu wilayah/pusat pelayan:

∑

= mn ij ij j I IP ' Dimana: i i ij ij SD I I I' = − min

IPj : Indeks Perkembangan wilayah ke-j

Iij : Nilai (skor) indeks perkembangan ke-i wilayah ke-j

I’ij : Nilai (skor) indeks perkembangan ke-i terkoreksi (terstandarisasi) wilayah

ke-j

I

i min = Nilai (skor) indeks perkembangan ke-i terkecil (minimum)

SDi = standar deviasi indeks perkembangan ke-i

= Untuk menentukan nilai Kapasitas Pelayanan (KPj) adalah KPj = IPj x Pj

KPj = Kapasitas Pelayanan untuk wilayah ke-j

IPj = Indeks Perkembangan wilayah untuk wilayah ke-j Pj = Jumlah Penduduk wilayah ke-j

i = 1, 2, 3,..., n j = 1, 2, 3,..., m

(2) Analisis shift share

Prinsip analisis dilakukan dengan dekomposisi indeks pertumbuhan. Teknik ini dikembangkan dengan mendasarkan adanya 3 komponen pertumbuhan dinamika yang mempengaruhi laju pertumbuhan suatu aktivitas. Ketiga komponen tersebut dikenal dengan:

(1) Komponen regional share: mengidentifikasi peran dinamika keseluruhan wilayah analisis, untuk mengetahui pentingnya pengaruh dinamika seluruh wilayah penelitian terhadap setiap unit analisis.

(2) Komponen propotional share: mengidentifikasi aktivitas, sektor atau jenis penggunaan yang mana yang berpengaruh penting dan seberapa penting dalam mempengaruhi dinamika setiap kabupaten/kota. (3) Komponen differential share: mengidentifikasi lebih spesifik lagi

untuk dapat menunjukkan seberapa penting pengaruh dari sektor tertentu di setiap kabupaten/kota tertentu dalam mempengaruhi laju pertumbuhan aktivitas.

Model analisis shift share dapat digambarkan sebagai berikut:

Kawasan Dadap dan Kamal Muara adalah dua kawasan yang berdampingan tetapi berada di dua wilayah administratif yang berbeda. Pada tatanan lokal dan mikro, besar kemungkinan terdapat suatu kegiatan ekonomi yang berbasis sumberdaya pesisir, yang saling menguntungkan kedua unsur setempat (antara lain penduduk, pemerintahan tingkat desa, dll.). Tetapi pada tingkat yang lebih tinggi (kecamatan atau kabupaten), situasinya diduga agak berbeda sehubungan dengan terdapatnya beberapa program pembangunan yang berinduk pada Pemda masing-masing. Apapun kegiatan pembangunan yang dilakukan di kedua kawasan yang

berdampingan tersebut, sudah dapat dipastikan akan mempengaruhi kondisi mikro dikedua Desa tersebut.

Model matematis dari analisis shift share tersebut adalah sebagai berikut:

ij ij ij ij

Pk

Pw

Pm

Y

=

+

+

Δ

)

(

)

(

)

1

(

0

_Y

_Y

_Ra

_Y

_Ri

_Ra

_Y

_ri

_Ri

Y

Y

Ttij

−

Tij

=Δ

_ij

=

_ij

−

+

_ij

−

+

_ij

−

Dimana:

m = jumlah wilayah studi = 2 n = jumlah sektor ekonomi

ΔYij = perubahan dalam output sektor ke-i pada wilayah ke-j;

YToij = output dari sektor ke-i pada wilayah ke-j pada tahun dasar analisis;

YTtij = output dari sektor ke-i pada wilayah ke-j pada tahun akhir analisis;

YToi = ΣYToij = PDRB atau tenaga kerja dari sektor ke-i pada tahun dasar

analisis;

YTti = ΣYTtij = PDRB atau tenaga kerja dari sektor ke-i pada tahun akhir

analisis;

YTo.. = ΣΣYToij = PDRB atau tenaga kerja pada tahun dasar analisis;

YTt.. = ΣΣYTtij = PDRB atau tenaga kerja pada tahun akhir analisis;

ri = YTtij/YToij;

Ri = YTti/YToi;

Ra = YTt../YTo..;

(rj – 1) = persentase perubahan PDRB atau tenaga kerja pada sektor i kawasan j;

(Ra – 1) = Pkij = persentase perubahan PDRB atau tenaga kerja yang

disebabkan oleh komponen pertumbuhan di Kabupaten Tangerang/Kota Jakarta Utara;

(Ri – Ra) = Pwij = persentase perubahan PDRB atau tenaga kerja yang

disebabkan oleh komponen pertumbuhan di Kawasan Dadap dan Kamal Muara (proporsional);

(ri – Ri) = Pmij = persentase perubahan PDRB atau tenaga kerja yang

disebabkan oleh komponen pertumbuhan kompetitif di kabupaten Tangerang/Kota Jakarta Utara;

(3) Kuosien Lokasi (LQ)

Metode Location Quotient (LQ) atau kuosien lokasi merupakan perbandingan antara pangsa relatif pendapatan (tenaga kerja) sektor i pada tingkat wilayah terhadap pendapatan (tenaga kerja) total wilayah dengan pangsa relatif pendapatan (tenaga kerja) sektor ke i pada tingkat nasional terhadap pendapatan (tenaga kerja) nasional (Budiharsono 2001). Hal tersebut secara matematis dapat dinyatakan sebagai berikut:

∑

∑

= m i t m i i t i S S e e LQ Dimana:

ei = jumlah pendapatan sektor ke-i pada Kabupaten Tangerang/Kota

Jakarta Utara

et = jumlah pendapatan total di Kabupaten Tangerang/Kota Jakarta

Utara

ΣSi = jumlah pendapatan sektor ke-i daerah Kabupaten Tangerang/Kota

Jakarta Utara dari sektor ke-i

ΣSt = jumlah pendapatan total Kabupaten Tangerang/Kota Jakarta Utara

dari sektor ke-i (i = 1, 2, 3, ...m) Koefisien konsentrasi ) ( ) ( i i N S N S i i ∑ ∑ − = β Dimana:

Si = jumlah PDRB sektor ke-i pada wilayah Kabupaten Tangerang/Kota

Jakarta Utara;

Ni = jumlah PDRB total di wilayah Kabupaten Tangerang/Kota Jakarta

Utara

(4) Analisis ketergantungan daerah perikanan

Menurut Phillipson (2000) dalam Adrianto (2004) kriteria daerah perikanan ini terdiri dari tiga sistem indikator, yaitu:

(1) Indikator ketergantungan perikanan (fisheries dependence indices) yang mencakup tiga komponen utama: (a) indikator ketenagakerjaan (kontribusi tenaga kerja perikanan dalam total struktur ketenagakerjaan); (b) indikator absolut aktivitas perikanan (yang terkait langsung dengan menurunnya kinerja sektor perikanan); dan (c) indikator tingkat signifikasi ekonomi dari sektor perikanan terhadap ekonomi daerah

(2) Indikator ketergantungan ekonomi (economic dependence indices) yang meliputi indikator ketenagakerjaan wilayah, indikator ekonomi wilayah dan industri;

(3) Indikator sosial demografis yang mencakup indikator kependudukan, kesehatan, pendidikan, dll.

Dalam bentuk rumus matematika, variabel ketergantungan daerah perikanan oleh Kasimis dan Petrou (2000) indikator-indikatornya digambarkan sebagai berikut:

(1) Rasio jumlah nelayan dan atau petani ikan terhadap total penduduk (RNt) t ti P N t RN =∑ Dimana:

Nti = jumlah pelaku perikanan primer dari sektor ke-i pada

tahun-t untuk wilayah desa;

Pt = total jumlah penduduk pada tahun-t untuk wilayah

n = jumlah sektor dalam perikanan.

(2) Rasio jumlah nelayan dan atau petani ikan terhadap total tenaga kerja (RMt) t ti TK N t RM =∑

Nti = jumlah pelaku perikanan primer dari sektor ke-i pada

tahun-t untuk wilayah desa;

Pt = total jumlah penduduk pada tahun-t untuk wilayah

kabupaten/kota

n = jumlah sektor dalam perikanan

(3) Rasio jumlah hasil tangkapan ikan (RPIt)

∑ ∑ = tj ti PI PI t RPI

PIti = jumlah produksi perikanan dari sektor ke-i pada tahun-t untuk wilayah desa;

PItj = jumlah produksi perikanan dari sektor ke-i pada tahun-t untuk wilayah kabupaten/kota

n = jumlah sektor dalam perikanan

(4) Rasio jumlah kapal ikan (RKt)

∑ ∑ = ti ti KI JK t RK

JKti = jumlah kapal ikan dari sektor ke-i pada tahun-t untuk wilayah desa;

KIti = jumlah kapal perikanan dari sektor ke-i pada tahun-t untuk wilayah kabupaten/kota

n = jumlah sektor dalam perikanan

(5) Rasio jumlah tenaga kerja sektor pengolahan hasil perikanan (RTKPt) ∑ ∑ = tm ti TK TKP t RTKP

TKPti = jumlah tenaga kerja pengolahan hasil perikanan dari sektor ke-i pada tahun-t untuk wilayah desa;

TKtm = jumlah total tenaga kerja sektor ke-i pada tahun-t untuk wilayah kabupaten/kota

n = jumlah sektor dalam perikanan

(6) Rasio kontribusi sektor perikanan wilayah desa terhadap wilayah kabupaten/kota (KPIti) n PDBT PDBP ti i t

KPI

=

(

∑

/

∑

)

PDBPt = produk domestik bruto perikanan pada tahun-t untuk wilayah desa;

PDBt = total produk domestik bruto perikanan pada tahun-t untuk wilayah kabupaten/kota;

n = jumlah sektor dalam ekonomi

Sementara itu, untuk variabel ketergantungan ekonomi rumus matematika dari indikator-indikatornya (Kasimis dan Petrou, 2000) sebagai berikut:

(7) Rasio kesempatan kerja terhadap total jumlah penduduk (RKKt)

t ti P KK t RKK = ∑

KKti = jumlah kesempatan kerja dari sektor ke-i dari sektor ke-i

pada tahun-t untuk wilayah desa;

Pt = total jumlah penduduk pada tahun-t untuk wilayah

kabupaten/kota

n = jumlah sektor dalam ekonomi

(8) Rasio kesempatan kerja dalam industri terhadap total jumlah penduduk (RIti) t ti P KK ti RI =∑

KKti = jumlah kesempatan kerja dari sektor ke-i pada tahun-t

untuk wilayah desa;

Pt = total jumlah penduduk pada tahun-t untuk wilayah

n = jumlah sektor dalam industri = 3 (sektor primer, sekunder, dan tersier).

(5) Analisis pendapat responden masyarakat lokal

Survey dilakukan untuk mendapatkan data pendapat masyarakat yang berkaitan dengan kondisi lingkungan dan perikanan. Dengan menggunakan kuesioner sebagaimana tercantum dalam Lampiran 1, pendapat masyarakat diambil dari berbagai kelompok mata pencaharian, yaitu: nelayan penangkap dan budidaya, pengolahan ikan, pedagang ikan, pedagang bahan bakar, pengelola pelabuhan, dan komunitas lokal. Data dianalisis dengan menggunakan Survey Pro 20.

(6) Analisis Stella dan visual basic untuk model kelimpahan kapal ikan Stella adalah salah satu tipe software yang dapat digunakan untuk membuat model dinamika dari suatu kondisi dilapangan yang diprediksikan untuk masa yang akan datang. Seluk beluk yang berkaitan dengan Stella dalam disertasi ini diambil dari Ford (1999) dengan menggunakan software Stella versi 7.

Untuk membangun model matematik yang dibuat untuk menggambarkan kelimpaha kapal ikan dengan kelengkapan sarana/prasarana pelabuhan digunakan rumus Yi = ki X + b

Dimana:

Y = fasilitas sarana/prasarana X = total bobot kapal

i = 1, 2, 3, ..., n = faktor jenis fasilitas yang berubah

Asumsi yang ditetapkan adalah bahwa setiap perubahan yang terjadi pada jumlah kapal akan berdampak terhadap perubahan jenis fasilitas secara linier.