IV. METODOLOGI
4.4. Metode Analisis Data
Analisis data dilakukan melalui beberapa tahap. Tahap pertama, analisis input-output usaha tani padi sawah untuk mengetahui pendapatan dan kelayakan usaha tani padi pada berbagai tipologi lahan sawah. Tahap kedua, analisis optimasi usaha tani untuk memaksimumkan pendapatan dan meminimumkan biaya usaha tani dengan menggunakan persamaan matematika model Goal Programming atau program tujuan ganda (Siswanto, 2006). Penyelesaian masalah optimal usaha tani dengan model Goal Programming dilakukan dengan menggunakan perangkat lunak Linier, INteractive and Descrete Optimizer
(LINDO) Release 6. Tahap ketiga, analisis kebutuhan hidup layak (KHL) petani untuk mengetahui jumlah pengeluaran rumah tangga petani untuk memenuhi kebutuhan minimal dalam satu tahun. Tahap keempat, analisis kapasitas produksi dan kebutuhan produksi padi pada tingkat agregasi provinsi (regional) untuk menentukan status kemandirian pangan saat ini. Tahap kelima, analisis indeks dan status keberlanjutan sistem produksi padi sawah, menggunakan teknik ordinasi Rap-Sisprodi (Rapid Appraisal for Sistem Produksi Padi),untuk
menentukan nilai indeks dan status keberlanjutan sistem produksi padi sawah saat ini (existing condition). Tahap keenam, analisis kebutuhan (need analysis) untuk mengidentifikasi kebutuhan setiap pelaku sistem (stakeholders). Tahap ketujuh, analisis prospektif untuk mengidentifikasi faktor-faktor dominan (faktor kunci) sistem produksi padi sawah sebagai dasar perumusan kebijakan (intervensi). Tahap kedelapan, penyusunan model dan alternatif skenario untuk penetapan luas lahan minimal untuk memenuhi KHL petani dan luas optimum usaha tani padi sawah mendukung kemandirian pangan berkelanjutan.
Secara ringkas tahapan analisis untuk mencapai tujuan penelitian yang diharapkan, disajikan pada Gambar 4.2.
Gambar 4.2. Tahapan analisis untuk mencapai tujuan penelitian Ya
Goal yang ingin dicapai
Tujuan Penelitian
Studi Pustaka
Pra Survey Pakar
Survei Lapang
Data hasil analisis
Analisis Kebutuhan Stakeholder
Formulasi Permasalahan
Atribut Sensitif Hasil Analisis Kebutuhan Atribut Sensitif
Hasil Analisis Keberlanjutan
Faktor-Faktor Kunci Sistem Produksi dan Permintaan
Konsumsi Padi
Struktur Model dan Skenario Alternatif Sistem Produksi Padi dan Kebutuhan Konsumsi Padi
Implementasi Model Tidak Pendapatan, KHL petani, Lm Kapasitas Produksi dan Konsumsi Padi Nilai Indeks, Status Keber- lanjutan Atribut sensitif Validasi Model
Model Penetapan Luas Lahan Optimum Usaha Tani Padi Sawah Pada Wilayah Beriklim Kering Mendukung
Kemandirian Pangan Berkelanjutan
Basis Pengetahuan
Data primer dan sekunder
Kebijakan Pemerintah Pendapat Pakar Analisis input-output, KHL dan Lm Analisis Keberlan jutan Analisis Prospektif Analisis Sistem Dinamis
Hubungan antara tujuan, peubah yang digunakan, metode analisis data dan output penelitian, secara ringkas disajikan pada Tabel 4.2.
Tabel 4.2. Tujuan, peubah, metode analisis data dan output yang diharapkan
Tujuan Peubah Analisis Data Output yang
diharapkan (1) Analisis
pendapatan dan optimasi usaha tani padi sawah
Luas lahan, produkti- vitas, produksi, biaya sarana produksi, biaya tenaga kerja. Analisis Pendapatan (Downey dan Erickson, 1985; Soekartawi, 1995) Pendapatan usaha tani Kelayakan usaha tani Luas lahan, produkti-
vitas, produksi, penggunaan pupuk, penggunaan tenaga kerja, keuntungan usaha tani berbagai tipologi lahan sawah.
ModelGoal Programming (Siswanto, 2006) denganprogram LINDO Peningkatan pendapatan dan efisiensi usaha tani (2) Analisis kebutuhan hidup layak petani Jumlah pengeluaran rumah tangga dalam satu tahun setara beras, harga beras, jumlah anggota rumah tangga
Pengeluaran tahun-1setara beras (Sajogjo, 1997; Sinukaban, 2007) Kebutuhan hidup layak petani (3) Analisis kapasitas produksi dan kebutuhan produksi padi mendukung kemandirian pangan Kapasitas produksi, meliputi: luas panen, IP padi, produktivitas, konversi lahan,
kehilangan hasil akibat tercecer dan gagal panen, luas komoditas lain Kebutuhan produksi meliputi: kebutuhan konsumsi penduduk, agroindustri, stock/cadangan pemerintah, ekspor/transfer, kebutuhan benih, konversi, impor beras
Analisis Deskriptif (Rachmanet al., 2004),Powersim Constructor2.5. Kapasitas produksi padi sawah Kebutuhan produksi padi Derajat kemandirian pangan (4) Penilaian indeks dan status keberlanjutan sistem produksi padi sawah
Data atau skor setiap atribut/faktor dimensi ekologi, ekonomi, sosial, kebijakan-kelemba-gaan dan data dimensi
teknologi-infrastruktur Analisis ordinasi Rapfishyang dimodifikasi dengan metode Multidimentional Scaling(MDS) (Fauzi dan Anna, 2005)
Nilai indeks dan status keberlanjutan multidimensi (existing condition) Atribut sensitif multidimensi
Tabel 4.2. Lanjutan
Tujuan Peubah Analisis Data Output yang
diharapkan (5) Analisis kebutuhan (need analysis) Atribut/faktor penting kebutuhan stakeholders Participatory Rural Appraisal (PRA) Atribut sensitif kebutuhan stakeholder (6) Penentuan faktor- faktor kunci keberlanjutan sistem produksi padi sawah Atribut sensitif multidimensi dari MDS dan kebutuhan stakeholders Analisis prospektif (Bourgeois and Jesus, 2004) Faktor-faktor kunci (driving danleverage factors) (7) Penyusunan model dan alternatif skenario untuk penetapan luas lahan optimum usaha tani padi sawah mendukung kemandirian pangan berkelanjutan
Faktor-faktor kunci hasil
analisis prospektif Analisis sistemdinamis (Muhammadiet al., 2001) Powersim Constructor2,5 Luas lahan minimal untuk memenuhi KHL petani Luas lahan optimum usaha tani padi sawah untuk
kemandirian pangan berkelanjutan
4.4.1. Analisis Pendapatan dan Optimasi Usaha Tani Padi Sawah
Analisis pendapatan dan optimasi usaha tani dalam penelitian ini sangat penting dilakukan dalam konteks keterkaitannya untuk mengetahui tingkat pendapatan dan kelayakan usaha tani pada kondisi saat ini, kendala dan peluang peningkatannya. Analisis pendapatan usaha tani padi sawah dilakukan dengan menggunakan rumus (Downey dan Erickson, 1985), dengan persamaan:
I =∑(Y . Py ) -∑(Xi . Pxi )...(1)
Dimana:
I =Pendapatan (Rp ha-1tahun-1) Y = Output (yield) (kw ha-1tahun-1)
R =Penerimaan (revenue) (Rp ha-1tahun-1) Py = Harga output (price yield) (Rp kw-1)
Xi.PXi = Harga setiap jenis input ke i (i=1,2,3,...,n)(Rp ha-1tahun-1)
Selanjutnya untuk menentukan kelayakan usaha tani digunakan analisis
Return Cost Ratio atau R/C. Soekartawi (1995) menyatakan bahwa R/C ratio adalah perbandingan (nisbah) antara penerimaan dan biaya. Secara matematik dapat dituliskan sebagai berikut :
C R
R = Y.Py ...(2b) C = FC + VC ...(2c)
Dimana :
a =nilai perbandingan
R =Penerimaan (revenue) (Rp ha-1tahun-1) C =Biaya (cost) (Rp ha-1tahun-1)
Py = Harga output (price yield) (Rp kw-1) Y = Output (yield) (kw ha-1tahun-11)
FC = Biaya tetap (fixed cost) (Rp ha-1tahun-1)
VC = Biaya tidak tetap (variable cost) (Rp ha-1tahun-1)
Jika a >1, usaha tani menguntungkan (feasible), jika a <1, usaha tani tidak menguntungkan (infeasible) dan jika a = 1, dikatakan impas (break even point).
Selanjutnya penyelesaian masalah optimasi hasil persamaan (1) dilakukan dengan menggunakan model Goal Programming. Model Goal Programming
merupakan perluasan dariLinier Programming, sehingga seluruh asumsi, notasi, formulasi model matematis, prosedur perumusan model dan penyelesaiannya sama denganLinier Programming. Perbedaannya hanya terletak pada kehadiran sepasang variabel yang menampung penyimpangan yang disebut variabel deviasional. Oleh karena itu penyelesaian optimal dalam kasus ini diawali dengan penyelesaian model Linier Programming. Model pemrograman linier mempunyai 3 unsur utama, yaitu (1) variabel keputusan, (2) fungsi tujuan dan (3) fungsi kendala (Siswanto, 2006). Variabel keputusan adalah variabel yang berpengaruh terhadap nilai tujuan yang hendak dicapai. Fungsi tujuan adalah tujuan yang hendak dicapai yang diwujudkan ke dalam sebuah fungsi matematika linier, apakah fungsi tersebut dimaksimumkan atau diminimumkan terhadap kendala-kendala yang ada. Sedangkan kendala adalah fungsi matematika yang mengendalikan variabel keputusan, yang terdiri atas kendala pembatas dengan notasi (<), kendala syarat (>) dan kendala keharusan (=).
Permasalahan yang ingin diselesaikan dalam penelitian adalah bagaimana memaksimumkan keuntungan pada pengelolaan usaha tani padi sawah dengan karakteristik sosial ekonomi yang berbeda. Dalam hal ini seluruh petani responden dikelompokkan ke dalam tiga kelompok pengelolaan. Kriteria pengelompokan didasarkan atas karakteristik sosial ekonomi petani responden dalam pengelolaan usaha tani padi sawah di NTB. Diduga perbedaan karakteristik sosial ekonomi tersebut mempengaruhi aktivitas usaha tani padi sawah yang dilakukan. Ke tiga kelompok pengelolaan tersebut adalah kelompok pengelolaan usaha tani padi sawah di Kabupaten Lombok Tengah mewakili karakteristik sosial ekonomi petani se Pulau Lombok (X1), kelompok pengelolaan
usaha tani padi sawah di Kabupaten Sumbawa Barat mewakili karakteristik sosial ekonomi petani Kabupaten Sumbawa dan Sumbawa Barat (X2) dan kelompok
pengelolaan usaha tani padi sawah di Kabupaten Bima mewakili karakteristik sosial ekonomi petani di wilayah Kabupaten Dompu, Bima dan Kota Bima (X3).
Dalam penelitian ini, fungsi tujuan adalah memaksimumkan pendapatan usaha tani padi sawah terhadap pengelolaan X1, X2 dan X3. Untuk mencapai
tujuan tersebut terdapat lima kendala pembatas, yaitu kendala produktivitas (a1),
nilai penerimaan usaha tani (a2), biaya tenaga kerja (a3), biaya sarana produksi
(a4) dan total biaya usaha tani (a5). Ukuran performansi kritis terhadap
permasalahan tersebut adalah: produktivitas dan nilai penerimaan dimaksimalkan, sedangkan biaya tenaga kerja, biaya sarana produksi dan total biaya usaha tani diminimalkan. Formulasi model matematis fungsi tujuan disertai fungsi kendala tersebut, sebagai berikut:
Fungsi tujuan:
n j j jX C Max 1 ………...………(3) Fungsi kendala: i n j j ijX b a
1,
i n j j ijX b a
1, atau:
a11X1+ a12X2+ a13X3≥b1 a21X1+ a22X2+ a23X3≥b2 a31X1+ a32X2+ a33X3≤b3 a41X1+ a42X2+ a43X3≤b4 a51X1+ a52X2+ a53X3≤b5 X1, X2, X3≥0 Dimana:Cj = Pendapatan usaha tani padi sawah di lokasi ke-j (Rp ha-1tahun-1)
a1j = Produktivitas padi sawah pada lokasi ke-j (kw ha-1)
a2j = Nilai penerimaan usaha tani padi sawah pada lokasi ke-j (Rp ha-1
tahun-1)
a3j = Biaya tenaga kerja pada lokasi ke-j (Rp ha-1tahun-1)
a4j = Biaya sarana produksi pada lokasi ke-j (Rp ha-1tahun-1)
a5j = Total biaya usaha tani pada lokasi ke-j (Rp ha-1tahun-1)
b1 = Sasaran pembatas dari kendala ke-1
b2 = Sasaran pembatas dari kendala ke-2
b3 = Sasaran pembatas dari kendala ke-3
b4 = Sasaran pembatas dari kendala ke-4
b5 = Sasaran pembatas dari kendala ke-5
Xj = Pengelolaan/aktivitas usaha tani padi sawah (pengolahan tanah,
pemeliharaan, panen dan pasca panen) di lokasi ke-j
i = 1,2,...,5 (kendala sasaran)
j = 1,2,3 (lokasi: Lombok Tengah, Sumbawa Barat dan Bima)
Penyelesaian masalah optimal dilakukan dengan menggunakan perangkat komputer programLinier, INteractive, and Dercrete Optimizer(LINDO) Release 6 (Siswanto, 2006). Output atau hasil olahan program LINDO pada dasarnya dapat dipisahkan menjadi dua bagian, yaitu bagian pertama adalah penyelesaian optimal (optimal solution) dan bagian kedua adalah sensitivitas (sensitivity analysis). Penyelesaian optimal pada bagian pertama hasil olahan LINDO memuat lima macam informasi, yaitu informasi nilai fungsi tujuan (objective function value), nilai optimal variabel keputusan (value), sensitivitas aj bila Xj= 0
(reduced cost), variabel kekurangan atau kelebihan kapasitas (slack or surplus variable) dan kendala aktif atau pasif (dual prices) dari Xj.
Penyelesaian optimasi di dalam model Goal Programming(program tujuan ganda) dilakukan dengan menghadirkan sepasang variabel deviasi yang berfungsi menampung penyimpangan yang dinamakan variabel deviasional. Penyimpangan atau deviasi yang akan terjadi pada nilai ruas kiri persamaan kendala (current side) sedapat mungkin mendekati nilai ruas kanannya atau
righthand side (RHS), sehingga variabel deviasional tersebut harus diminimumkan di dalam fungsi tujuan.
Pemanipulasian model pemrograman linier ke dalam model Goal Programming akan mengubah makna kendala fungsional. Bila pada model pemrograman linier kendala-kendala fungsional menjadi pembatas bagi usaha pemaksimuman atau peminimuman fungsi tujuan, maka pada model Goal Programmingkendala-kendala itu merupakan sarana untuk mewujudkan sasaran yang hendak dicapai. Sasaran-sasaran dalam hal ini dinyatakan sebagai nilai konstan pada RHS (bij). Mewujudkan suatu sasaran dengan demikian berarti
mengusahakan agar nilai ruas kiri suatu persamaan kendala sama dengan RHS. (aij= bij) Itulah sebabnya kendala-kendala dalam modelGoal Programmingselalu
berupa persamaan dan dinamakan kendala sasaran. Disamping itu keberadaan sebuah kendala sasaran selalu ditandai oleh kehadiran variabel deviasional sehingga setiap kendala sasaran pasti memiliki variabel deviasional.
Dalam model goal programming perlu dirumuskan kendala sasaran. Ada 3 macam sasaran yang perlu ditentukan, yaitu sasaran dengan prioritas yang sama, sasaran dengan prioritas yang berbeda dan sasaran dengan prioritas dan bobot yang berbeda. Dalam penelitian ini sasaran yang ditentukan mempunyai
prioritas yang sama, yaitu (1) memaksimumkan pendapatan, produktivitas dan nilai penerimaan usaha tani dan (2) minimumkan biaya tenaga kerja, biaya sarana produksi dan total biaya usaha tani.
Variabel deviasional sesuai dengan fungsinya menampung deviasi hasil terhadap sasaran-sasaran yang dikehendaki, yang dibedakan atas: (1) variabel untuk menampung deviasi yang berada di bawah sasaran yang dikehendaki (deviasi negatif) dengan notasi DB dan (2) variabel untuk menampung deviasi yang berada di atas sasaran yang dikehendaki (deviasi positif) dengan notasi DA. Jika DAi > 0 maka DBi = 0; dan jika DAi = 0 maka DBi > 0. Jika DAi > 0 maka terjadi penyimpangan di atas nilai bi dan ini berarti sasaran terlampui; sebaliknya jika DBi > 0, maka terjadi penyimpangan di bawah nilai bi dan dikatakan bahwa sasaran tidak tercapai. Oleh karena itu DAi dan DBi harus diminimumkan di dalam fungsi tujuan.
Dalam penelitian ini, fungsi tujuan adalah meminimumkan penyimpangan hasil terhadap sasaran-sasaran yang dikehendaki dalam sistem usaha tani padi sawah pada pengelolaan X1, X2 dan X3. Untuk mencapai tujuan tersebut
ditentukan enam kendala sasaran, yaitu pendapatan usaha tani (a1),
produktivitas (a2), nilai penerimaan usaha tani (a3), biaya tenaga kerja (a4), biaya
sarana produksi (a5) dan total biaya usaha tani (a6). Formulasi matematis model
Goal Programmingsebagai berikut: Fungsi tujuan: DB DA 1 i m i i Min
………..(4) Fungsi kendala: a11X1+ a12X2+ a13X3+ DA11+DA12+DA13-DB11-DB12-DB13= b1 a21X1+ a22X2+ a23X3+ DA21+DA22+DA23-DB21-DB22-DB23= b2 a31X1+ a32X2+ a33X3+ DA31+DA32+DA33-DB31-DB32-DB33= b3 a41X1+ a42X2+ a43X3+ DA41+DA42+DA43-DB41-DB42-DB43= b4 a51X1+ a52X2+ a53X3+ DA51+DA52+DA53-DB51-DB52-DB53= b5 a61X1+ a62X2+ a63X3+ DA61+DA62+DA63-DB61-DB62-DB63= b6X1, X2, X3, DAi dan DBi≥0, untuk i = 1, ....,6.
Dimana:
a1j = Pendapatan usaha tani padi sawah pada lokasi ke-j (Rp ha-1tahun-1)
a2j = Produktivitas padi sawah pada lokasi ke-j (kw ha-1)
a3j = Nilai penerimaan usaha tani padi sawah pada lokasi ke-j (Rp ha-1
tahun-1)
a4j = Biaya tenaga kerja pada lokasi ke-j (Rp ha-1tahun-1)
a5j = Biaya sarana produksi pada lokasi ke-j (Rp ha-1tahun-1)
DB = Deviasi yang berada di bawah sasaran atau deviasi negatif (Rp ha-1 tahun-1)
DA = Deviasi yang berada di atas sasaran atau deviasi positif (Rp ha-1 tahun-1)
b1 = Pendapatan yang dipersyaratkan pada kendala ke-1
b2 = Produktivitas yang dipersyaratkan pada kendala ke-2
b3 = Nilai penerimaan yang dipersyaratkan pada kendala ke-3
b4 = Biaya tenaga kerja yang dipersyaratkan pada kendala ke-4
b5 = Biaya sarana produksi yang dipersyaratkan pada kendala ke-5
b6 = Total biaya usaha tani yang dipersyaratkan pada kendala ke-6
Xj = Aktivitas/pengelolaan usaha tani padi sawah (pengolahan tanah,
persemaian, penanaman, penyiangan, pemupukan, pemeliharaan, panen dan pasca panen) di lokasi ke-j
i = 1,2,...,6 (jumlah kendala sasaran)
j = 1,2,3 (lokasi: Lombok Tengah, Sumbawa Barat dan Bima)
4.4.2. Analisis Kebutuhan Hidup Layak Petani
Keluarga tani dinyatakan hidup layak jika telah memenuhi kebutuhan hidup layak (KHL) meliputi pangan, papan, pakaian, pendidikan, kesehatan, rekreasi, kegiatan sosial dan tabungan. Sajogjo (1997) membagi kemiskinan menjadi tiga kelompok berdasarkan pengeluaran kapita-1 tahun-1 setara dengan nilai tukar beras, berturut-turut untuk wilayah perdesaan dan perkotaan adalah: (1) miskin setara dengan 320 kg dan 480 kg, (2) sangat miskin setara dengan 240 kg dan 360 kg, dan (3) melarat setara dengan 180 kg dan 270 kg.
Menurut Sinukaban (2007), jumlah pendapatan bersih yang harus diperoleh keluarga tani untuk dapat hidup layak minimal setara dengan 320 kg beras tahun-1 x harga beras (Rp. kg-1) x jumlah anggota rumah tangga x 250%. Kebutuhan fisik minimal (KFM) dihitung 100%, kebutuhan kesehatan dan rekreasi (50%); kebutuhan pendidikan (50%), dan kebutuhan sosial, asuransi, dan lain-lain (50%). Hasil perhitungan tersebut dapat dihubungkan dengan berbagai indikator garis kemiskinan (poverty line) berdasarkan standar Bank Dunia US$ 1 atau US$ 2 kapita-1 hari-1 dan standar yang digunakan oleh BPS sebesar US$ 1,5 kapita-1 hari-1 atau berdasarkan pengeluaran kapita-1 bulan-1
pada wilayah perdesaan di setiap provinsi (BPS, 2010).
4.4.3. Analisis Kapasitas Produksi dan Kebutuhan Produksi Padi
Analisis kapasitas produksi padi sawah dan kebutuhan produksi padi dilakukan dengan metode deskriptif. Kapasitas produksi diproyeksikan dari luas baku sawah, produktivitas padi ha-1 dan indeks pertanaman padi (IP) (Badan Litbang Pertanian, 2005a). Kebutuhan produksi padi diproyeksikan dari jumlah
penduduk, konsumsi kapita-1 tahun-1, kebutuhan agroindustri, jumlah stock/ cadangan pemerintah, kebutuhan benih padi dan jumlah ekspor atau transfer. Konsumsi beras penduduk Indonesia rata-rata 139,15 kg kapita-1tahun-1(Firdaus
et al., 2008, Nainggolan, 2008). Kebutuhan agroindustri sebesar 23,5% kapita-1 tahun-1, cadangan pemerintah sebesar 10% dari total kebutuhan (Badan Litbang Pertanian 2005a). Konversi gabah kering giling (GKG) ke beras rata-rata 60% (Badan Litbang Pertanian, 2005b, Tjahjohutomoet al.,2004).
Kemandirian pangan dapat diukur dari besarnya ketersediaan pangan dari produksi domestik. Dalam UU No. 41 Tahun 2009 dinyatakan bahwa kemandirian pangan adalah kemampuan produksi pangan dalam negeri yang didukung kelembagaan ketahanan pangan yang mampu menjamin pemenuhan kebutuhan pangan yang cukup di tingkat rumah tangga, baik dalam jumlah, mutu, keamanan, maupun harga yang terjangkau, yang didukung oleh sumber- sumber pangan yang beragam sesuai dengan keragaman lokal.
Secara matematis pengukuran kemandirian pangan dilakukan dengan menggunakan perhitungan Rachman et al. (2004), yang penyelesaiannya menggunakan programPowersim 2.5sebagai berikut:
RFA = CDPF + IMP + TRF + STK ……….………(5a) CDPF = GDPF – BIT – TCR ………..(5b) KKPPD = CDPF/RFA * 100% ...(5c)
Dimana:
RFA = Ketersediaan pangan regional
CDPF = Produksi pangan domestik yang dapat dikonsumsi IMP = Impor pangan
TRF = Transfer
STK = Stok/cadangan pangan pemerintah GDPF = Produksi (kotor) pangan domestik BIT = Penggunaan produksi untuk bibit TCR = Susut dan tercecer
KKPPD = Ketergantungan pangan terhadap produksi domestik
4.4.4. Analisis Indeks dan Status Keberlanjutan Multidimensi Sistem Produksi Padi Sawah
Analisis indeks dan status keberlanjutan (existing condition) multidimensi sistem produksi padi sawah dilakukan dengan teknik ordinasiRap-Sisprodi, yaitu modifikasi Rapfish. Teknik ordinasi Rapfish yaitu menentukan sesuatu pada urutan yang terukur dengan metode Multidimensional Scaling (MDS). MDS, selain merupakan salah satu metode ”multivariate” yang dapat menangani data
metrik (skala ordinal maupun nominal), juga merupakan teknik statistik yang mencoba melakukan transformasi multi dimensi ke dalam dimensi yang lebih rendah (Fauzi dan Anna, 2005).
Analisis ordinasi Rap-Sisprodi dilakukan melalui tahapan: (1) penentuan atribut; (2) penilaian setiap atribut dalam skala ordinal (Rap Scores) berdasarkan kriteria keberlanjutan multidimensi; (3) analisis ordinasi (Rap Analysis) untuk menentukan ordinasi dan nilai stress; (4) penyusunan indeks dan status keberlanjutan sistem multidimensi maupun setiap dimensi (Distances); (5) analisis sensitivitas (Leverage Analysis) untuk melihat atribut atau peubah yang sensitif berpengaruh. Atribut yang sensitif memberikan kontribusi terhadap keberlanjutan multidimensi yang dapat dilihat dalam bentuk perubahan Root Mean Square (RMS),khususnya pada sumbu X (skala sustainabilitas). Semakin besar nilai perubahan RMS semakin besar peranan atribut tersebut atau semakin sensitif dalam pembentukan nilai keberlanjutan, dan (6) evaluasi pengaruh galat (Error) acak dengan menggunakan analisis Monte Carlo untuk mengetahui: (a) pengaruh kesalahan pembuatan skor atribut, (b) pengaruh variasi pemberian skor, (c) stabilitas proses analisis MDS yang berulang-ulang, (d) kesalahan pemasukan atau hilangnya data (missing data), dan (e) nilai stress.
Setiap dimensi diwakili oleh atribut atau peubah keberlanjutan. Indikator keberlanjutan sistem yang dikaji pada setiap dimensi diturunkan dari gabungan antara konsep pertanian berkelanjutan yang diperoleh dari berbagai sumber, antara lain: Smith dan Mc Donald (1998), Chen (2000), FAO (2005), Dale and Beyeler (2001), Blakeney (1996) serta konsep ketahanan pangan dari Saad (1999). Atribut setiap dimensi dan kriteria baik atau buruk mengikuti konsep yang digunakan Fisheries Com (1999) dan Fisheries Center (2002) serta pendapat dari para pakar/stakeholder terkait.
Nilai indeks dan status keberlanjutan dikelompokkan ke dalam 4 kategori, seperti ditunjukkan pada Tabel 4.3.
Tabel 4.3. Nilai indeks dan kategori keberlanjutan Nilai Indeks Kategori Keberlanjutan 00,00 – 25,00 Buruk; Tidak Berkelanjutan 25,01 – 50,00 Kurang; Kurang Berkelanjutan 50,01 – 75,00 Cukup; Cukup Berkelanjutan 75,01 – 100,00 Baik; Sangat Berkelanjutan
Setiap atribut diperkirakan skornya, yaitu skor 3 untuk kondisi baik (good), 0 berarti buruk (bad) dan di antara 0-3 untuk keadaan di antara baik dan buruk.
Skor definitifnya adalah nilai modus, yang dianalisis untuk menentukan titik-titik yang mencerminkan posisi keberlanjutan relatif terhadap titik baik dan buruk dengan teknik ordinasi statistik MDS. Skor perkiraan setiap dimensi dinyatakan dengan skala terburuk (bad) 0% sampai yang terbaik (good) 100%. Nilai indeks >50% dapat dinyatakan bahwa sistem yang dikaji telah berkelanjutan, sebaliknya <50% sistem tersebut belum atau tidak berkelanjutan
Pada ruang atribut dua dimensi ini, sumbu X mewakili derajat keberlanjutan dari buruk sampai baik, sedangkan dimensi lainnya yaitu sumbu Y mewakili faktor-faktor lainnya. Perbandingan keberlanjutan antar dimensi dilakukan dan divisualisasikan dalam bentuk diagram layang-layang (kite diagram).
Pendekatan MDS memberikan hasil yang stabil (Pitcher and Preikshot, 2001) dibandingkan dengan metoda multivariate analysis yang lain, seperti
Factor Analysis. Dalam MDS, dua titik atau obyek yang sama dipetakan dalam satu titik yang saling berdekatan. Sebaliknya obyek atau titik yang tidak sama digambarkan dengan titik-titik yang berjauhan. Teknik ordinasi atau penentuan jarak di dalam MDS didasarkan pada Euclidian Distances yang dalam ruang berdimensindapat ditulis sebagai berikut:
x
1
x
2 2
y
1
y
2 2
z
1
z
2 2...
d
………....(6)dimana :
d : distance(jarak antar titikeuclidian) x1- x2 : selisih nilai atribut (x)
y1- y2 : selisih nilai atribut (y)
z1- z2 : selisih nilai atribut (z)
Konfigurasi atau ordinasi dari suatu obyek atau titik di dalam MDS kemudian diaproksimasi dengan meregresikan jarak Euclidian (dij) dari titik i ke titikjdengan titik asal (σij) sebagaimana persamaan berikut:
ij ijd
………..(7) dimana :dij : jarakeuclidiandari titikike titikj
α : konstanta
β : koefisien regresi
σij : nilaieuclidiandari titikike titikj
ε : Standar error
Teknik yang digunakan untuk meregresikan persamaan di atas adalah Algoritma ALSCAL (Alder et al.,2000 dalamFauzi dan Anna, 2005), merupakan metode yang paling sesuai untuk Rapfish dan mudah tersedia pada hampir setiap software statistika (SPSS dan SAS). Metode ALSCAL mengoptimisasi
jarak kuadrat (square distance=dijk) terhadap data kuadrat (titik asal = oijk), yang dalam tiga dimensi (i, j, k) ditulis dalam formula yang disebut S-Stress sebagai berikut:
2 4 2 2 1 1 i j ijk i j ijk ijk m k o o d m s ……….(8) dimana : s : nilaistress m : banyaknya atributdijk : jarakeuclidiandalam dimensi kei, j, k oijk : nilai titik asal pada dimensi kei, j, k
Dimana jarak kuadrat merupakan jarakEuclidianyang dibobot atau ditulis:
2 1 2 ja ia r a ka k w x x d
………...……(9) dimana :dk2 : jarak kuadrat euclidian dari titik i ke titik j dari masing-masing
dimensi (k)
wka : jumlah titik yang masuk dalam wilayah pada dimensi (k) dari level
ke a
xia : nilai titik (x) pada level ke a dari atribut kei xja : nilai titik (x) pada level ke a dari atribut kej a : level 1,2,...,r
k : dimensi 1,2,...,5 (dimensi ekologi, ekonomi, sosial, kebijakan- kelembagaan dan teknologi-infrastruktur)
Goodness of fit dalam MDS tercermin dari besaran nilai S-Stress (S) dan koefisien determinasi (R2). Nilai S yang rendah menunjukkan goodness of fit,
sedangkan nilai S yang tinggi menunjukkan sebaliknya. Model yang baik apabila nilai S < 0,25 dan nilai R2> 80% atau mendekati satu (Malhotra, 2006).
4.4.5. Analisis Prospektif
Analisis prospektif merupakan salah satu analisis yang banyak digunakan untuk merumuskan alternatif kebijakan berupa skenario strategis yang berkaitan dengan pengelolaan sumberdaya alam, industri ataupun masalah lainnya untuk mencapai kondisi yang efektif dan efisien di masa yang akan datang (Bourgeois, 2007). Analisis prospektif dapat digunakan sebagai alat untuk mengekplorasi dan mengantisipasi melalui skenario, dapat juga sebagai alat normatif yang merupakan pendekatan berorientasi tindakan yang dimulai dari visi terpilih mengenai masa depan dan menentukan jalur untuk mencapainya. Analisis prospektif tidak berfokus pada optimasi solusi, tetapi pada penyediaan berbagai
macam pilihan dan tujuan bagi para pembuat keputusan dan turut merancang serangkaian alternatif ketimbang memilih alternatif terbaik.