DAFTAR LAMPIRAN
3) Estimasi Discount rate
4.4.2 Analisis Pemanfaatan Optimal Sumberdaya Perikanan
Analisis optimal sumberdaya perikanan pada penelitian ini menggunakan pendekatan optimal dinamik. Sebagai pembanding dan juga untuk memperkaya khasanah pada penelitian ini, maka dilakukan pula perhitungan nilai optimal
54
pengelolaan sumberdaya perikanan dengan pendekatan surplus produksi atau maximum sustainable yield (MSY) dan pendekatan optimal statik atau maximum economic yield (MEY) dan akses terbuka atau open acces (OA) dengan segala kelemahan dan kekurangannya.
1). Analisis Surplus Produksi
Nilai MSY diperoleh dengan menurunkan persamaan (2.9) terhadap E, atau = 0, sehingga diperoleh nilai EMSYsebagai berikut :
... (4.10) dengan mensubtitusikan persamaan ke dalam persamaan (2.9), maka diperoleh nilai tingkat produksi yang dinotasikan sebagai berikut:
... (4.11) sedangkan stok ikan pada tingkat MSY diperoleh dengan mensubtitusikan persamaan ke dalam persamaan (2.3) yang dapat dinotasikan sebagai berikut:
... (4.12) 2). Analisis Optimasi Statik
Rumus perhitungan dalam pemanfaatan sumberdaya perikanan pelagis kecil yang optimal statik seperti tercantum dalam Tabel 8.
55
Tabel 8. Rumus perhitungan dalam pemanfaatan sumberdaya optimal statik perikanan pelagis kecil di Pesisir Kota Ambon
Variabel Kondisi
MEY MSY Open Access
Biomassa (x) Catch (h) Effort (E) Rente Ekonomi (π)
Sumber : (Sobari, Diniah, Isnaini 2009)
3). Analisis Optimasi Dinamik
Analisis optimasi dinamik pemanfaatan sumberdaya perikanan pelagis kecil dilakukan karena tangkapan (yield) dan upaya penangkapan (effort) pada kegiatan perikanan tidak statis namun bergerak mengikuti berbagai perubahan baik faktor internal (sumberdaya ikan pelagis) maupun eksternal. Berdasarkan sifat intemporal dari aspek pemanfaatan sumberdaya perikanan pelagis kecil dengan pendekatan model dinamik, maka dalam menganalisis aspek tersebut dijembatani dengan penggunaan discount rate. Discount rate yang digunakan dalam penelitian ini mengikuti discount rate dari World Bank yaitu 8%,10%, 12%, 15% dan 18%.
Optimalisasi pemanfaatan sumberdaya perikanan dengan menggunakan formula model dinamik dalam bentuk fungsi yang kontinyu ditulis sebagai berikut :
max ... (4.13)
dengan kendala:
56
dengan menggunakan teknik Hamiltonian, maka model kontinyu di atas menghasilkan Golden Rule untuk pengelolaan sumberdaya perikanan yang secara matematis ditulis sebagai berikut (Fauzi 2004) :
... (4.14) dan
... (4.15) yakni, ∂ /∂x adalah rente marjinal akibat perubahan biomass, ∂ /∂h adalah rente marjinal akibat perubahan tangkap (panen), ∂F/∂x produktifitas dari biomass. Dengan menyatakan fungsi rente sumberdaya sebagai :
Dan fungsi pertumbuhan sebagaimana pada persamaan (2.3), maka dengan melakukan penurunan sesuai kaidah pada persamaan (4.18) menghasilkan :
... (4.16) ... (4.17) ... (4.18) dengan mensubtitusikan persamaan-persamaan (4.16), (4.17), (4.18) ke dalam persamaan (4.14), maka diperoleh :
... (4.19) kemudian persamaan (2.3), (4.14) disubtitusikan ke dalam persamaan (4.19), sehingga menghasilkan solusi untuk nilai stok ikan optimal, yaitu :
... (4.20) dengan diketahuinya nilai stok dan produksi optimal, maka nilai upaya dapat diketahui sebagai berikut :
57 4.4.3 Analisis Laju Degradasi dan Depresiasi
1). Analisis Laju Degradasi
Menurut Fauzi dan Anna (2005), degradasi dapat diartikan sebagai tingkat atau laju penurunan kualitas atau kuantitas sumberdaya alam yang dapat diperbaharui (renewable resources) atau dengan kata lain, kemampuan alami sumberdaya alam dapat diperbaharukan untuk melakukan regenerasi sesuai kapasitas produksinya berkurang. Kondisi ini dapat terjadi baik karena kondisi alam maupun karena pengaruh aktivitas manusia. Degradasi sumberdaya alam dapat dihitung berdasarkan Anna (2003) :
... (4.22) keterangan :
= laju degradasi
produksi lestari pada periode t = produksi aktual pada tahun t
2). Analisis Laju Depresiasi
Analisis depresiasi sumberdaya ditujukan untuk mengukur perubahan nilai moneter dari pemanfaatan sumberdaya alam, atau dengan kata lain depresiasi merupakan pengukuran degradasi yang dirupiahkan. Menurut Anna (2003) formula pengukuran depresiasi sumberdaya dapat dinotasikan sebagai berikut:
�
DP = ... (4.23)keterangan :
= laju depresiasi
rente lestari pada periode t = rente aktual pada tahun t 4.4.4 Analisis Keberlanjutan
Analisis keberlanjutan dengan menggunakan Rapfish dimulai dengan me- review atribut dan mendefinisikan atribut perikanan yang akan dianalisis, mengidentifikasi dan melakukan penilaian (scoring) perikanan yang akan
58
dianalisis (Pitcher 1999). Tahapan dalam metode pendekatan Rapfish yang dicakup pada penelitian ini dibatasi pada vessel-base dan area-base. Kemudian dilanjutkan dengan scoring, yang didasarkan pada ketentuan yang sudah ditetapkan Rapfish. Setelah itu, dilakukan Multi Dimension Scaling (MDS) untuk menentukan posisi relatif dari perikanan terhadap ordinasi good dan bad. Selanjutnya, analisis Monte Carlo dan Leverage dilakukan untuk menentukan aspek ketidakpastian dan anomali dari atribut yang dianalisis (Fauzi dan Anna 2005). Di dalam MDS, obyek atau titik yang diamati dipetakan ke dalam ruang dua atau tiga aspek sehingga titik atau obyek tersebut diupayakan ada sedekat mungkin terhadap titik asal. Dalam metode ini, dua titik atau obyek yang sama dipetakan dalam satu titik yang saling berdekatan satu sama lain. Sebaliknya, obyek atau titik yang tidak sama digambarkan dengan titik-titik yang berjauhan.
Teknik Rapfish menggunakan metode Algoritma Multi Dimensional Scaling (ALSCAL). Secara detail prosedur analisis dengan teknik Rapfish melalui beberapa tahap yaitu :
1) Analisis terhadap data perikanan lokasi studi melalui data statistik. 2) Analisis data pengamatan lapangan dan studi literatur.
3) Melakukan scoring aspek keberlanjutan perikanan.
4) Melakukan ALSCAL (MDS) dengan Microsoft Excell untuk melakukan ordinasi dan nilai stress melalui ALSCAL Algoritma.
5) Melakukan rotasi untuk menentukan posisi perikanan pada ordinasi bad dan good.
6) Melakukan sensitivity analysis (Leverage analysis) dan Monte Carlo analysis untuk memperhitungkan aspek ketidakpastian.
Teknik Rapfish dapat membantu melihat performa perikanan tangkap di wilayah studi untuk masing-masing aspek ekologi, sosial, ekonomi, teknologi, dan kelembagaan. Hasil analisis digambarkan dalam bentuk axis. Axis horisontal menunjukkan perbedaan dari campuran skor atribut diantara perikanan yang dievaluasi. Analisis ordinasi menunjukkan variasi keberlanjutan antar alat tangkap. Keragaman (variasi) diantara alat tangkap untuk setiap aspek dapat tergambarkan skornya. Dari scoring tersebut dapat dideterminasikan status perikanan dan keberlanjutannya. Selanjutnya digunakan analisis Monte Carlo
59 untuk mengevaluasi dampak kesalahan dari kesalahan acak (random error) terhadap seluruh aspek. Penelitian ini menggunakan metode analisis Monte Carlo algoritma dengan metode scatter plot yang menunjukan ordinasi dari setiap aspek.
Atribut-atribut yang diperoleh dari hasil pengamatan akan dianalisis secara multidimensi. Analisis multidimensi ini untuk menentukan titik-titik dalam Rapfish yang dikaji relatif terhadap dua titik yang menjadi acuan. Titik yang menjadi acuan tersebut adalah baik (good) dan buruk (bad). Posisi titik-titik dalam Rapfish sangat banyak dan sangat sulit untuk digambarkan sehingga diperlukan suatu teknik dalam penentuan posisi titik-titik tersebut secara visual yang dikenal dengan metode MDS (Fauzi dan Anna 2003).
Teknik ordinasi atau penentuan jarak di dalam MDS didasarkan pada Euclidian Distance yang dalam ruang berdimensi n dapat ditulis sebagai berikut ... (4.24) Konfigurasi atau ordinasi dari suatu obyek atau titik di dalam MDS kemudian diaproksimasi dengan meregresikan jarak Euclidian (dij) dari titik i ke titik jdengan titik asal ( ij) sebagaimana persamaan berikut :
(dij) = α + ij+ ... (4.25) Metode ALSCAL mengoptimasi jarak kuadrat (squared distance = dijk ) terhadap data kuadrat (titik asal = Oijk) yang dalam tiga dimensi (i, j, k) ditulis dalam formula yang disebut S-Stress sebagai berikut :
... (4.26) Jarak kuadrat merupakan jarak Euclidian yang dibobot, atau ditulis
... (4.27) Setiap pengukuran yang bersifat mengukur (metric) seberapa fit (goodness of fit), jarak titik pendugaan dengan titik asal, menjadi sangat penting. Goodness of fit dalam MDS tidak lain mengukur seberapa tepat (how well) konfigurasi dari suatu titik dapat mencerminkan data aslinya. Goodness of fit ini dalam MDS dicerminkan dari besaran nilai S-Stress yang dihitung berdasarkan nilai S di atas.
60
Nilai stress yang rendah menunjukkan good fit, sementara nilai S yang tinggi sebaliknya. Di dalam Rapfish, model yang baik ditunjukkan dengan nilai stress yang lebih kecil dari 0.25 (S < 0.25) (Fauzi dan Anna 2005).
Tabel 9. Skor atribut pada dimensi ekologi
No Atribut Pilihan
Skor Baik Buruk Keterangan 1 Dimensi Ekologi
1.1 Tingkat/status eksploitasi perikanan
0;1;2 1 2 FAO dan Rapfish : relatif terhadap MSY (0)Belum collapsed (1)Cukup collapsed (2)collapsed/hancur 1.2 CPUE 0;1;2 2 0 Rapfish : (0)CPUE tinggi (1)CPUE seimbang (2)CPUE rendah 1.3 Tingkatan kolaps/
pengurangan lokasi area tangkap
0;1 0 1 Rapfish : (0) Tidak ada (1) Ada 1.4 Proporsi ikan yang
dibuang
0;1 0 1 Rapfish : (0)Tidak ada (1)ada 1.5 Perubahan ukuran ikan
tertangkap dalam 10 tahun terakhir 0;1;2 0 2 Rapfish : (0)Bertambah (1)Tetap (2)Berkurang 1.6 Perubahan jenis ikan yang
tertangkap dalam 10 tahun terakhir 0;1;2 0 2 Rapfish : (0)Bertambah (1)Tetap (2)Berkurang
Sumber : FAO (1999); Kavanagh (2001); Pitcher dan Preiskhot (2001); Susilo (2003), dan Hermawan (2006).
61 Tabel 10. Skor atribut pada dimensi ekonomi
No Atribut Pilihan
Skor Baik Buruk Keterangan 2 Dimensi Ekonomi 2.1 Keuntungan (Berdasarkan analisis investasi) 0;1;2 0 2 Rapfish : (0)Sangat menguntungkan (1)Kurang menguntungkan (2)Menguntungkan 2.2 Kontribusi perikanan terhadap PDRB 0;1;2 2 0 Rapfish : (0)0-10% (rendah) (1)10-20% (cukup) (2)20-30% (tinggi) 2.3 Kepemilikan (penerima keuntungan dari kepemilikan) 0;1;2 0 2 Rapfish :
Profit perikanan terutama untuk : (0)Pemilik lokal
(1)Pemilik lokal dan non lokal (2)Pemilik non lokal
2.4 Sumberdaya ikan luar Kota Ambon yang didaratkan di Kota Ambon 0;1 0 1 Modifikasi Rapfish : (0)Tidak ada (1)Ada 2.5 Alternatif pekerjaan
dan pendapatan selain
dari kegiatan
menangkap ikan
0;1 1 0 Rapfish : (0)Tidak ada (1)Ada 2.6 Lokasi tujuan atau
orientasi pemasaran perikanan 0;1;2 0 2 Rapfish : (0)Pasar lokal (1)Pasar nasional (2)Pasar internasional 2.7 Rata-rata penghasilan
ABK per bulan
terhadap UMR
0;1;2 2 0 (0)Di bawah UMR
(1)sama dengan UMR (2)Di atas UMR 2.8 Penyerapan tenaga kerja 0;1;2 2 0 Modifikasi Rapfish : (0)Rendah (1)Cukup (2)Tinggi
Sumber : FAO (1999); Kavanagh (2001); Pitcher dan Preiskhot (2001); Susilo (2003), dan Hermawan (2006).
62
Tabel 11. Skor atribut pada dimensi sosial
No Atribut Pilihan Skor
Baik Buruk Keterangan 3 Dimensi Sosial
3.1 Tingkat pendidikan nelayan (pendidikan formal)
dibandingkan dengan rata-rata tingkat pendidikan penduduk
0;1;2 2 0 Rapfish (0)Lebih rendah (1)Cukup (2)Lebih tinggi 3.2 Pengetahuan (tingkat pengetahuan nelayan
mengenai isu-isu lingkungan, seperti Ilegal fishing, pencemaran, kerusakan terumbu karang, dsb ) 0;1;2 2 0 Rapfish : (0)Minim (1)Cukup (2)Luas
3.3 Status dan frekuensi konflik (ada atau tidaknya konflik pemanfaatan ruang/perebutan DPI baik antar nelayan maupun dengan sektor lain, misal : perhubungan laut)
0;1 0 1 Rapfish : (0)Tidak ada (1)Ada
3.4 Partisipasi keluarga dalam pemanfaatan hasil sumberdaya perikanan (memproses/ menjual) 0;1 1 0 Rapfish : (0)Tidak ada (1)Ada 3.5 Frekuensi pertemuan antarwarga berkaitan pengelolaan sumberdaya perikanan 0;1;2 2 0 Susilo 2003 : (0)Tidak ada (1)Sekali dalam 5 tahun (2)>1 kali dalam setahun
3.6 Frekuensi penyuluhan dan pelatihan untuk nelayan
0;1;2;3 3 0 Susilo (2003) : (0)Tidak ada (1)sekali dalam 5 tahun (2)1-5 kali dalam setahum (3)>5 kali dalam setahun 3.7 Pertumbuhan pekerja/RTP pengeksploitasi SDI (5-10 tahun terkahir) 0;1;2 2 0 Rapfish : (0)±10% (1)10-20% (2)>30% 3.8 Pengaruh nelayan (keterkaitan
nelayan dalam proses penyusunan regulasi pengelolaan perikanan)
0;1 1 0 Rapfish : (0)Tidak ada (1)Ada
Sumber : FAO (1999); Kavanagh (2001); Pitcher dan Preiskhot (2001); Susilo (2003), dan Hermawan (2006).
63 Tabel 12. Skor atribut pada dimensi teknologi
No Atribut Pilihan Skor
Baik Buruk Keterangan 4 Dimensi Teknologi
4.1 Lama trip penangkapan 0;1;2;3;4 0 4 Rapfish :
(0)< 1 hari (1)2 – 4 hari (2)5 – 7 hari (3) 8 – 10 hari (4) > 10 hari
4.2 Jenis/sifat alat tangkap 0;1;2 2 0 Rapfish dimodifikasi
Susilo (2003): (0)Mayoritas pasif (1)Seimbang (2)Mayoritas aktif 4.3 Penggunaan alat bantu
perikanan yang destruktif
0;1;2 0 2 Modifikasi Rapfish : (0)Tidak ada (1)Ada, tidak dominan (2)Ada, Dominan 4.4 Ukuran kapal penangkapan 0;1;2 0 2 Modifikasi Rapfish : (0)2-5 m (1)5-10 m (2)>10 m 4.5 Penanganan di kapal sebelum didaratkan 0;1 1 0 Rapfish : (0) Tidak ada (1) Ada 4.6 Pilihan terhadap tempat
pendaratan ikan
0;1 0 1 Rapfish : (0)Tersebar (1)Terpusat
4.7 Penanganan pascapanen 0;1 1 0 Rapfish :
(0)Tidak ada (1)Ada 4.8 Perubahan daya tangkap
(besaran kemampuan menangkap ikan dilihat dari banyaknya pertambahan
kapal/jumlah trip dalam periode waktu tertentu)
0;1;2 2 0 Rapfish :
(0)Tidak ada (1)Lambat (<10%) (2)Cepat (>10%)
Sumber : FAO (1999); Kavanagh (2001); Pitcher dan Preiskhot (2001); Susilo (2003), dan Hermawan (2006).
64
Tabel 13. Skor atribut pada dimensi hukum dan kelembagaan
No Atribut Pilihan Skor
Baik Buruk Keterangan 5 Dimensi Hukum/Kelembagaan
5.1 Ketersediaan peraturan formal dan informal pengelolaan perikanan
0;1 1 0 Susilo (2003) :
(0)Tidak ada (1)Ada 5.2 Ketersediaan personel
penegak hukum di lokasi atau lembaga pengawas lokal
0;1;2 2 0 Susilo (2003) :
(0)Tidak ada
(1)Ada, tidak berada di lokasi
(2)Ada, selalu berada di lokasi
5.3 Illegal fishing 0;1 0 1 Rapfish : (0)Tidak ada (1)Ada 5.4 Peranan kelembagaan
formal yang mendukung pengelolaan sumberdaya perikanan
0;1;2 2 0 (0)Tidak ada
(1)Ada, tidak berperan (2)Ada, berperan 5.5 Ketersediaan peraturan informal pengelolaan perikanan 0;1 1 0 (0)Tidak ada (1)Ada 5.6 Ketersediaan dan peran
tokoh masyarakat lokal
0;1;2 2 0 (0)Tidak ada
(1)Ada, tidak berperan (2)Ada, berperan 5.7 Peranan kelembagaan
lokal (informal) yang mendukung pengelolaan sumberdaya perikanan
0;1;2 2 0 Rapfish :
(0)Tidak ada
(1)Ada, tidak berperan (2)Ada, berperan 5.8 Manfaat aturan formal
untuk nelayan 0;1;2 2 0 Rapfish : (0)Tidak ada (1)Ada, tidak bermanfaat (2)Ada, bermanfaat Sumber : FAO (1999); Kavanagh (2001); Pitcher dan Preiskhot (2001); Susilo (2003), dan
Hermawan (2006).
Microsoft Excell digunakan untuk melakukan analisis MDS berikut dengan ALSCAL. Metode MDS merupakan salah satu metode ordinasi pada ruang (dimensi) yang diperkecil. Ordinasi suatu obyek pengamatan yang diukur dengan menggunakan banyak variabel sulit dilihat secara visual mengingat bahwa posisi obyek di dalam ruang berdimensi lebih dari tiga yang tidak mungkin digambarkan. Analisis multidimensional diterapkan untuk mentransformasikan skor dari keseluruhan atribut keberlanjutan perikanan menurut dimensinya pada ordinasi antara 0 (buruk) dan 100 (baik) (Kavanagh dan Pitch 2004 diacu dalam Mamuaya, 2008). Ketepatan transformasi tersebut dikontrol oleh statistik stress dan koefisien determinasi. Untuk menguji pengaruh beragam kekeliruan dan atau
65 ketidakpastian baik dalam scoring maupun selama proses transformasi skor dan ordinasi status keberlanjutan dilakukan analisis/simulasi Monte Carlo (Mamuaya, 2008).
Pembuatan skor dalam atribut setiap dimensi harus mempunyai dasar atau acuan ilmiah yang jelas sumbernya. Jika penentuan skor tidak ditemukan acuannya, maka dapat ditentukan berdasarkan perhitungan-perhitungan atau analisis yang jelas mencerminkan dimensi yang bersangkutan (Susilo 2003). Skor yang diberikan berdasarkan nilai terburuk dan nilai terbaik secara kualitatif dan kuantitatif dari atribut yang mencerminkan persepsi dari dimensinya dan jelas secara definisi dalam penentuan skornya. Oleh karena itu, penentuan skor sangat bergantung dari persepsi dimensi yang dianalisis, sebagai contoh semakin tinggi tingkat eksploitasi perikanan maka secara ekonomi akan semakin baik, tetapi secara ekologi akan mengancam keberlanjutan sumberdaya perikanan tersebut. Berdasarkan Tabel 9, 10, 11, 12, 13, skor setiap atribut dalam setiap dimensi mengacu pada FAO (1999); Kavanagh (2001), Pitcher dan Preiskhot (2001), Susilo (2003) dan Hermawan (2006).