Sesuai dengan permasalahan dan tujuan yang ingin di capai dalam penelitian ini, maka responden yang diwawancarai dalam penelitian ini adalah unit perusahaan HTI yaitu PT MHP, pengelola MHBM, peserta MHR dan masyarakat sekitar yang terkait langsung dengan .
Untuk unit perusahaan HTI akan diwawancarai secara struktur pihak manajemen PT MHP yang terkait dengan persoalan yang dibahas dalam penelitian ini. Seperti pengelolaan areal konsesi HTI, pembiayaan, penerimaan perusahaan, ketenagakerjaan, dan perspektif perusahaan dalam pengelolaan HTI.
Untuk program MHBM diwawancarai pengurus kelompok MHBM dan tokoh- tokoh masyarakat desa dengan melakukan indepth study dan penelusuran data secara mendalam, dengan di dukung informasi awal yang dikumpulkan dari PT. MHP.
Untuk masyarakat petani yang ikut program MHR, di lakukan pengumpulan data (sensus) terhadap 60 anggota MHR, berdasarkan data dari divisi CSR PT MHP tahun 2010, yaitu petani yang sudah panen dan telah menerima pembayaran
pada saat penelitian. Selanjutnya dari jumlah tersebut diwawancarai peserta MHR tersebut untuk mengetahui apakah program tersebut dapat berkelanjutan pada Siklus kedua 2010 – 2017.
Disamping itu juga dilakukan wawancara mendalam kepada beberapa stake holder terkait seperti pemerintah daerah, tokoh masyarakat dan tokoh adat, serta pengusaha yang bergerak dibidang pengolahan kayu akasia.
4.4. Metode Analisis Data
Data yang telah dikumpulkan dianalisis dengan dua pendekatan, yaitu pendekatan kualitatif dan pendekatan kuantitatif. Metode analisis yang digunakan adalah secara deskkriptif kualitatif dan analisis kuantitatif. Analisa deskriptif kualitatif dengan menggunakan tabulasi. Analisa kuantitatif dengan menggunakan metode perhitungan valuasi ekonomi dan regresi logistik.
Secara umum perhitungan nilai total ekonomi dapat dirumuskan secara dalam persamaan berikut ini:
TEV = UV (DV + IDV + OV) + NUV (BV + XV) …………..…..……(1) Dimana :
TEV = Total economic Value (Nilai Ekonomi Total) UV = Use Value (nilai kegunaan)
DV = Direct Value (Nilai Guna Langsung)
IDV = Indirect Value (Nilai Guna Tidak Langsung) OV = Option Value (Nilai Opsional)
NUV = Non Use Value (bukan nilai kegunaan) BV = Bequest Value (Nilai Warisan)
XV = Existance Value (Nilai Keberadaan)
Selanjutnya untuk menjawab permasalahan yang ada, rumus di atas dapat dikembangkan menjadi :
1. TEV untuk Pola A (Perusahaan MHP):
TEVA = ∑ DVAij + ∑ IDVAij + ∑ OVAij + ∑ BVAij + ∑ EVAij …... (2) Untuk: i = 1...m, dan j = 1...n
Nilai Ekonomi Total Pola A adalah nilai ekonomi total yang dihitung dari luasan konsesi PT MHP yang ditanami HTI seluas 132 328 hektar yang merupakan potret saat penelitian, nilai-nilai ekonomi yang diperhitungkan dapat dilihat dalam tabel berikut ini.
Tabel 2. Komponen nilai Ekonomi Total Pengusahaan HTI Pola A
Jumlah Nilai Uraian Variabel yang Dinilai
∑ DVAij = jlh nilai manfaat langsung
DVA11 = Kayu untuk pulp DVA12 = Madu Sialang
DVA13 = Rekreasi dan Turisme DVA14 = Pendidikan dan penelitian DVA15 = Arang Kayu
∑ IDVAij = jlh nilai manfaat tidak langsung
IDVA21 = Pelindung erosi IDVA22 = Penjaga siklus hara IDVA23 = Penyedia Air RT IDVA24 = Transportasi
IDVA25 = Potensi Perdagangan Karbon IDVA26 = Keanekaragaman hayati ∑ OVAij = jlh
nilai manfaat pilihan
OVA31 = Prospek peningkatan pendapatan warga sekitar kawasan HTI ke depan
∑ BVAij = jlh nilai manfaat Kebanggaan
BVA41 = Keberadaan pemukiman masyarakat sebagai sistem pertahanan keamanan rakyat semesta (Hankamrata)
∑ EVAij = jlh nilai manfaat keberadaan
EVA51 = Sebagai pelindung satwa penting dan dilindungi
2. TEV untuk Pola B (MHBM):
Pola B adalah pola MHBM, dimana masyarakat diajak ikut masuk mengelola HTI di lahan konsesi perusahaan. Penilaian nilai ekonomi totalnya untuk pola MHBM dilakukan perhitungan sebagaimana pada pola A. Perhitungan nilai ekonomi total pola B adalah sebagai berikut:
TEVB = ∑ DVBij + ∑ IDVBij + ∑ OVBij + ∑ BVBij + ∑ EVBij …... (3) Untuk: i = 1...m, dan j = 1...n
Nilai Ekonomi Total Pola B adalah nilai ekonomi total yang dihitung dari luasan HTI yang tertuang dalam kesepakatan MHBM yaitu seluas 61 172.72 hektar yang merupakan keadaan saat penelitian, nilai-nilai ekonomi yang diperhitungkan dapat dilihat dalam tabel berikut ini.
Tabel 3. Komponen nilai Ekonomi Total Pengusahaan HTI Pola B
Jumlah Nilai Uraian Variabel yang Dinilai
∑ DVBij = jlh nilai manfaat langsung
DVB11 = Kayu untuk pulp DVB12 = Arang kayu DVB13 = Madu sialang DVB14 = Upah kerja
DVB15 = Keuntungan pengusaha (pemborong) DVB16 = Jasa produksi
DVB17 = Jasa manajemen ∑ IDVBij = jlh
nilai manfaat tidak langsung
IDVB21 = Pelindung erosi IDVB22 = Penjaga siklus hara IDVB23 = Serapan Karbon
IDVB24 = Keanekaragaman hayati
3. TEV untuk Pola C (MHR):
TEVC = ∑ DVCij + ∑ IDVCij …...……. (4) Untuk: i = 1...m, dan j = 1...n
Nilai Ekonomi Total Pola C adalah nilai ekonomi total yang dihitung dari luasan MHR yang ditanami HTI seluas 9 565.53 hektar yang merupakan potret saat penelitian, nilai-nilai ekonomi yang diperhitungkan dalam pola C hanya nilain manfaat langsung dan manfaat tidak langsung saja, hal ini mengingat luasan yang diusahakan relatif kecil, sehingga perhitungan nilai ekonomi lainnya tidak diperhitungkan. Komponen penilaian pola C ini dapat dilihat dalam tabel berikut ini.
Tabel 4. Komponen nilai Ekonomi Total Pengusahaan HTI Pola C
Jumlah Nilai Uraian Variabel yang Dinilai
∑ DVCij = jlh nilai manfaat langsung
DVC11 = Kayu untuk pulp DVC12 = Arang kayu DVC13 = Upak kerja ∑ IDVCij = jlh
nilai manfaat tidak langsung
IDVC21 = Pelindung erosi IDVC22 = Penjaga siklus hara
IDVC23 = Potensi Perdagangan Karbon
4. Total TEV Perusahan dengan program CBFM adalah:
TEVPHTI+CBFM = TEVA + TEVB + TEVC ………...………...……… (5)
Dari hasil perhitungan di atas diperoleh TEV masing-masing pola, selisih antara TEVB dan TEVA akan menunjukkan tambahan manfaat ekonomi total yang diperoleh dari program MHBM. Sedangkan selisih antara TEVC dan TEVA akan menunjukkan tambahan manfaat ekonomi total yang diperoleh dari program MHR. Selanjutnya besaran masing-masing dari kedua selisih tersebut menunjukkan keunggulan dari kedua program tersebut.
Dengan diketahuinya nilai-nilai dari persamaan 1 sampai 5 maka hasil tersebut dapat dianalisis secara kuantitatif dan selanjutnya dibahas secara lebih menyeluruh dengan analisis deskriptif kualitatif. Selanjutnya untuk membahas permasalahan tersebut secara lebih lanjut dilakukan skenario untuk melihat kelebihan dan kekurangan masing-masing program serta upaya-upaya perbaikan yang mungkin dilakukan.
Data yang dikumpulkan dianalisis secara kuantitatif dan kualitatif. Perhitungan nilai ekonomi (economic valuation) dilakukan dengan kuantifikasi nilai bersih kini atau Net Present Value (NPV) dari masing-masing pola tersebut.
Secara umum rumus matematis persamaan Net Present Value dapat disajikan sebagai berikut:
��� =
∑
����−����(1+�)� �
�=1 …………...………...… (6)
Dimana :
TEB = Total Manfaat Ekonomi TEC = Total Biaya Ekonomi r = discount rate per tahun
i = waktu ke-i
Selanjutnya dilakukan analisis secara kuantitatif dan diskriptif kualitatif bagaimana kontrol faktor penghubung yang terdiri dari sosial psikologi, sosial ekologi, sosial ekonomi, dan sosial budaya, mempengaruhi besaran nilai total ekonomi dan mempengaruhi kinerja indikator keberlanjutan seperti stabilitas, produktivitas, sustainabilitas, dan equitibilitas.
Untuk mengetahui keberlanjutan program pembangunan HTI dengan pola MHR dan faktor-faktor yang mempengaruhinya digunakan model logit, suatu model dimana variabel dependen hanya memiliki 2 nilai (binary logit), bernilai
peringkat/skala (ordinal logit) maupun pengkategorian lebih dari dua nilai
(multinomial logit). Regresi logit menggunakan asumsi hubungan antara variabel independen dan variabel dependen sebagai kurva S. Pada nilai variabel independen yang sangat rendah, variabel dependen mendekati nol, sedangkan pada variabel independen yang sangat tinggi, variabel dependen mendekati 1 atau asimtotik (Kizilaslan, 2008).
Model logit dapat digunakan dalam penelitian ini, disamping mudah dalam mengestimasinya, juga biaya penghitungannya yang relatif mudah dan murah (Kennedy, 1998). Secara umum model logit dapat dinyatakan sebagai berikut :
ln[p/(1-p)] = α + βX + e ... (7) dimana :
p = peluang terjadinya Y, p(Y=1)
p/(1-p) = odds ratio
ln[p/(1-p)] = logodds ratio, atau disebut juga sebagai ‘logit’
Model logit memiliki distribusi kumulatif yang berdasarkan distribusi logistik berbentuk seperti huruf S (Cramer, 2003). Sebagai akibat dari bentuk distribusi tersebut, maka nilai peluang petani peserta MHR untuk mengambil keputusan melanjutkan program MHR pada siklus kedua dapat ditentukan sebagai berikut :
ln[pi/(1-pi)] = α + βX + ei ... (8) dimana Pi adalah nilai variabel dependen yang nilainya antara 0 sampai 1.
Untuk mengestimasi koefisien model pada persamaan-persamaan
ekonometrik yang distribusi kumulatifnya non linear, digunakan metode
Maximum Likelihood Estimation (MLE). Fungsi likelihood (L) mengukur kemungkinan nilai dari sekumpulan dependen variabel yang diobservasi (p1, p2, ..., pn) yang terjadi dalam sampel : L = Prob (p1* p2* * * pn).
Nilai tertinggi dari L, merupakan peluang terbesar dari observasi p dalam sampel. MLE memerlukan koefisien (α, β) yang merupakan hasil estimasi, yang membuat log dari fungsi likelihood (LL < 0) sebesar mungkin, atau memperoleh koefisien yang membuat log dari fungsi likelihood (-2LL) sekecil mungkin.
Estimasi maximum likelihood diselesaikan dengan kondisi seperti berikut ini: {Y - p(Y=1)}Xi = 0, untuk semua observasi : i = 1,…, n.
Dari fungsi ln[p/(1-p)] = α + βX + e diperoleh nilai koefisien dari slope (β) yang diinterpretasikan sebagai laju dari perubahan ‘log odds’ akibat perubahan variabel-variabel X dan nilai ini tidak begitu penting.
Dari fungsi p = 1/[1 + exp(-α - β X)], diperoleh Marginal Effect (ME) dari perubahan X atas peluang seperti berikut ini :
Μp/ΜX = f(βX) β ... (9)
Interpretasi dari koefisien logit selalu disebut secara intuitif sebagai ‘odds ratio’, karena [p/(1-p)] = exp(α + βX), dimana exp(β) adalah efek dari variabel independen atas ‘odds ratio’.
Untuk menjawab tujuan terakhir dari penelitian ini, yaitu terkait faktor- faktor penentu keputusan petani peserta MHR untuk melanjutkan atau tidak program tersebut pada siklus kedua, digunakan model umum persamaan berikut :
YMHR = f (SPsi, SEkol, SEkon, Sbud) ... (10) dimana :
YMHR = Keputusan petani MHR untuk melanjutkan pada siklus kedua (ya=1, lainnya=0)
SPsi = Variabel Sosial Psikologi SEkol = Variabel Sosial Ekologi SEkon = Variabel Sosial Ekonomi SBud = Variabel Sosial Budaya
Variabel sosial psikologi meliputi rasa aman penduduk terhadp lahan yang mereka miliki dalam berusahatani di wilayah mereka. Variabel ini dinyatakan dalam variabel dummy adanya rasa aman atau tidak. Variabel sosial ekologi meliputi variabel tingkat kesuburan lahan, kemiringan lahan, dan jarak lahan dari tempat tinggal. Variabel sosial ekonomi meliputi variabel pendapatan dari HTI,
pendapatan dari usaha tani lain, pendapatan dari luar usahatani, biaya hidup kelaurga. Variabel sosial budaya meliputi variabel biaya yang dikeluarkan petani untuk kenduri, gotong royong, arisan dan pengeluaran kegiatan sosial lainnya.
Model ekonometrik persamaan keputusan petani peserta MHR untuk melanjutkan atau tidak program tersebut pada siklus kedua 2010 – 2015 dapat disajikan berikut ini :
Model keputusan petani peserta MHR
KMHR = a0 + a1 Am+ a2 Ls+ a3 Lm+ a4 Lj+ a5 Phti+ a6 Put+ a7 Plu+ A8 Pc + a9 Sbud + u1... (11) dimana :
KMHR = Dummy keputusan petani peserta MHR untuk melanjutkan ke siklus kedua (ya=1, lainnya=0)
Am = Dummy adanya rasa aman (ada=1; tidak ada=0) Ls = Dummy kesuburan lahan (subur=1, tidak subur=0) Lm = Dummy Kemiringan Lahan (relatif datar=1, miring=0) Lj = Jarak lahan dari tempat tinggal (km)
Lh = Luas lahan (ha)
Phti = Pendapatan dari HTI (Rp/siklus)
Put = Pendapatan dari usahatani lain (Rp/tahun) Plu = Pendapatan dari luar usahatani (Rp/tahun)
Pc = Biaya hidup keluarga (Rp/tahun)
Sbud = Biaya sosial, seperti biaya kenduri, gotong royong, arisan dll (Rp/tahun)
V. KEADAAN UMUM PERUSAHAAN HTI