III. METODE PENELITIAN
3.5. Metode Analisis Data
3.5.1. Analisis Biofisik dan Kesesuaian Lahan Gambut
Karakteristik biofisik lahan gambut dianalisis secara deskriptif dan untuk melihat hubungan antar parameter dilakukan analisis regresi-korelasi dengan menggunakan model hubungan linier (Steel dan Torrie, 1980).
Evaluasi lahan dilakukan dengan penilaian kelas kemampuan dan kesesuaian lahan. Kelas kemampuan lahan dinilai berdasarkan sifat-sifat fisik dan kimia lingkungan dan jenis faktor penghambat sesuai dengan kriteria klasifikasi kemampuan lahan (Hardjowigeno dan Widiatmaka, 2007). Sedangkan kelas kesesuaian lahan ditentukan dengan menilai atau membandingkan kualitas lahan pada setiap satuan lahan dengan kriteria kesesuaian lahan (Lampiran 4) untuk aktivitas perkebunan kelapa sawit pada lahan gambut (Puslittanak, 2003).
3.5.2. Analisis Ekonomi
Analisis ekonomi perkebunan kelapa sawit dilakukan dengan menghitung kelayakan finansial nilai Internal Rate of Return (IRR), nilai Net Present Value
(NPV) dan Benefit-Ratio (B/C) pada perkebunan rakyat (1 ha) dan perkebunan skala industri (6.000 ha). Data yang diperlukan antara lain skala penggunaan lahan, biaya produksi, perkembangan tingkat harga komoditas, kredit usaha tani (KUT) dan suku bunga bank. Data kondisi sosial ekonomi diperoleh melalui wawancara terstruktur pada responden yang dipilih secara acak dengan menggunakan kuesioner. Data untuk perkebunan skala industri diperoleh melalui
teknik dokumentasi dan wawancara dengan responden (manajer kebun) yang berasal dari perusahaan perkebunan.
Data biaya dan pengembalian (cost and return) yang diinventarisasi dari pelaksanaan penelitian, digunakan untuk penilaian kelayakan usaha perkebunan kelapa sawit yang dilakukan melalui dua (2) tahapan.
1. Penilaian kelayakan dilihat dari sisi manfaat dan keuntungan yang didapat (Soekartawi, 2006) dengan beberapa kriteria analisis finansial yaitu B/C, NVP dan IRR. Formula yang digunakan untuk menghitung kriteria indikasi kelayakan usaha perkebunan kelapa sawit berdasarkan BC-1 sebagai berikut: n n BC-1 = { ∑ B [(1 + i) t]-1 } { ∑ C [(1 + i) t]-1 } i=1 i=1 dimana : B = penerimaan C = biaya produksi
i = tingkat bunga yang berlaku
t = jangka waktu usaha perkebunan (25 tahun)
Usaha perkebunan dinilai bermanfaat (menguntungkan) bila B/C > 1. Kelayakan dinilai dari NPV menggunakan formula sebagai berikut :
n NVP = [ ∑ (B – C) ] [(1 + i) t]-1 i=1
Bila nilai NPV < 0 maka usaha perkebunan dianggap tidak menguntungkan, bila nilai NPV = 0 maka usaha perkebunan dianggap mencapai titik impas (break event point) dan nilai NPV > 0 maka usaha perkebunan dianggap menguntungkan. Sedangkan nilai IRR yaitu suatu nilai petunjuk yang identik dengan seberapa besar suku bunga yang dapat diberikan oleh usaha perkebunan kelapa sawit dibandingkan dengan suku bunga yang berlaku yaitu 17 %. Formula yang digunakan untuk menilai kelayakan berdasarkan IRR adalah :
IRR = i1 – NVPi * (i2 – i1) (NPV2 – NPV1)-1 dimana :
i1 = suku bunga ke 1 (17 %)
NPV1 = Net Present Value pada suku bunga ke 1 i2 = suku bunga ke 2 (dicoba 36 %)
NPV2 = Net Present Value pada suku bunga ke 2
Untuk mendapatkan nilai IRR dicobakan nilai suku bunga ke dua (i2) sebesar 36%. Bila nilai IRR diperoleh lebih kecil dari pada tingkat diskonto (17%) maka usaha perkebunan mengalami kerugian. Bila nilai IRR lebih tinggi dari tingkat diskonto maka usaha perkebunan menguntungkan (layak).
2. Penilaian kelayakan dilihat dari prospek usaha perkebunan kelapa sawit dalam memenuhi kebutuhan hidup minimum (KHM) dan kebutuhan hidup layak (KHL) tahunan pekebun. Menurut Sinukaban (2007) KHL adalah 250% KHM dan KHM = 320 x harga beras kg-1 x jumlah anggota keluarga (5 orang) (Sajogyo, 1977). Selanjutnya analisis luasan lahan usaha perkebunan (UP) minimum (Lmin), agar memenuhi KHL yaitu Lmin dibagi dengan pendapatan bersih per 2 hektar kebun sawit (Pb) atau dengan persamaan : L mim = KHL Pb-1 (Monde, 2008).
3.5.3. Analisis Keberlanjutan Lahan Gambut
Analisis keberlanjutan pengelolaan Lahan gambut pada agroekologi perkebunan kalapa sawit dilakukan dengan pendekatan Multi-Dimensional Scaling (MDS) yaitu pendekatan dengan “ Rap-Insus-Landmag” (Rapid Appraisal–Indeks Sustainability of Land Management) yang telah dimodifikasi dari program RAPFISH (Rapid Assessment Technique for Fisheries) yang dikembangkan oleh Fisheries Center, University of British Columbia (Kavanagh dan Pitcher 2001, Fauzi dan Anna, 2002). Metode MDS merupakan teknik analisis statistik berbasis komputer dengan menggunakan perangkat lunak SPSS, yang melakukan transformasi terhadap setiap dimensi dan multidimensi keberlanjutan pengelolaan lahan gambut pada agroekologi perkebunan kelapa sawit di Kabupaten Bengkalis-Meranti Riau.
Analisis keberlanjutan pengelolaan lahan gambut ini melalui beberapa tahapan antara lain : (1) penentuan atribut pengelolaan ekosistem lahan gambut secara berkelanjutan untuk masing-masing dimensi (ekologi, ekonomi, sosial budaya, teknologi, hukum dan kelembagaan); (2) penilaian atribut dalam skala ordinal berdasarkan kriteria keberlanjutan untuk setiap faktor dan analisis ordinasi yang berbasis metode multi dimensional scaling (MDS); (3) penyusunan indeks dan status keberlanjutan pengelolaan lahan gambut berbasis sumberdaya lokal pada perkebunan kelapa sawit rakyat di Kabupaten Bengkalis-Meranti.
Penentuan atribut pada setiap dimensi ekologi, ekonomi, sosial budaya, teknologi, hukum dan kelembagaan mengacu pada indikator dari Roundtable on Sustainablity Palm Oil (RSPO, 2005); Reijntjes et al. (1992); Rao dan Rogers (2006); Spangenber (2007) dan Zylicz (2007). Untuk setiap atribut pada masing- masing dimensi diberikan skor yang mencerminkan kondisi keberlanjutan dari dimensi yang dikaji. Rentang skor ditentukan berdasarkan kriteria yang dapat ditemukan dari hasil pengamatan lapang dan data sekunder. Rentang skor berkisar 0 – 3, tergantung pada keadaan masing-masing atribut, yang diartikan mulai dari buruk sampai baik. Nilai buruk mencerminkan kondisi yang paling tidak menguntungkan bagi pengelolaan lahan gambut secara berkelanjutan. Sebaliknya nilai baik mencerminkan kondisi yang paling menguntungkan.
Skala indeks keberlanjutan pengelolaan lahan gambut pada agroekologi perkebunan kelapa sawit mempunyai selang 0% - 100% seperti disajikan pada Tabel 7.
Tabel 7. Kategori status keberlanjutan pengelolaan lahan gambut berdasarkan nilai indeks hasil analisis Rap-Insus Landmag.
Indeks Kategori Status Keberlanjutan 00,00 – 20,00 Buruk tidak berkelanjutan 20,01 – 50,00 Kurang kurang berkelanjutan 50,01 – 75,00 Cukup cukup berkelanjutan 75,01 – 100,00 Baik berkelanjutan
Nilai skor dari masing-masing atribut dianalisis secara multidimensional untuk menentukan posisi keberlanjutan pengelolaan ekosistem lahan gambut yang dikaji relatif terhadap dua titik acuan yaitu titik “ baik” (good) dan titik “buruk”
(bad). Untuk membuahkan visualisasi posisi ini digunakan analisis ordinasi. Proses ordinasi Rap-Insus-Landmag menggunakan Software Rapfish (Kavanagh dan Pitcher 2001). Proses algoritma Rap-Insus-Landmag juga pada dasarnya mengikuti proses algoritma Rapfish.
Analisis sensitivitas dilakukan untuk melihat atribut mana yang paling sensitif memberikan kontribusi terhadap Insus-Landmag di lokasi studi. Pengaruh setiap atribut dilihat dalam bentuk perubahan root mean square (RMS) ordinasi, khususnya pada sumbu X atau pada skala accountability. Semakin besar nilai perubahan RMS akibat hilangnya suatu atribut tertentu maka semakin besar pula peranan atribut di dalam pembentukan nilai Insus-Landmag pada skala keberlanjutan, atau semakin sensitif atribut tersebut dalam pengelolaan lahan gambut.
Untuk mengevaluasi pengaruh galat (error) acak pada proses untuk menduga nilai ordinasi pengelolaan lahan gambut pada agroekologi perkebunan kelapa sawit digunakan analisis Monte Carlo. Menurut Kavanagh dan Pitcher (2001) menyebutkan bahwa analisis Monte Carlo berguna untuk mempelajari hal- hal sebagai berikut : (1) pengaruh kesalahan pembuatan skor atribut yang disebabkan oleh pemahaman kondisi lokasi penelitian yang belum sempurna atau kesalahan pemahaman terhadap atribut atau cara pembuatan skor atribut; (2) pengaruh variasi pemberian skor akibat perbedaan opini atau penilaian oleh peneliti yang berbeda; (3) stabilitas proses analisis MDS yang berulang-ulang (iterasi); (4) kesalahan pemasukan data atau adanya data yang hilang (missing data); (5) tingginya nilai”stress” hasil analisis Rap-Insus-Landmag (nilai stress dapat diterima jika < 25%).
Analisis Monte Carlo digunakan untuk menduga pengaruh galat pada selang kepercayaan 95 %. Nilai indeks Monte Carlo ini dibandingkan dengan indeks MDS. Nilai stress dan koefisien diterminasi (R2) berfungsi untuk mengetahui perlu tidaknya penambahan atribut dan mencerminkan keakuratan dimensi yang dikaji dengan keadaan yang sebenarnya.
Pendekatan MDS dalam Rapfish memberikan hasil yang stabil (Pitcher dan Preikshot, 2001 diacu dalam Fauzi dan Anna, 2002) dibandingkan dengan metoda multivariate analysis yang lain seperti factor analysis. Pengukuran dalam
MDS dilakukan dengan memetakan dua titik atau obyek yang sama dalam satu titik yang saling berdekatan. Sebaliknya objek atau titik yang tidak sama digambarkan dengan titik-titik yang berjauhan. Teknik ordinasi atau penentuan jarak di dalam MDS didasarkan pada euclidian distance yang dalam ruang berdimensi n dapat ditulis sebagai berikut:
dimana :
d = jarak antar titik euclidian
x1- x2 = selisih nilai atribut (x) y1- y2 = selisih nilai atribut (y) z1- z2 = selisih nilai atribut (z)
Konfigurasi dari obyek atau titik di dalam MDS kemudian diproksimasi dengan meregresikan jarak euclidian (dij) dari titik i ke titik j dengan titik asal (σij) sebagaimana persamaan berikut:
dimana :
dij = jarak euclidian dari titik i ke titik j
α = konstanta β = koefisien regresi
σij = nilai euclidian dari titik asal
ε = standar error
Teknik yang digunakan untuk meregresikan persamaan di atas adalah Algoritma ALSCAL (Alder et al. 2000 diacu dalam Fauzi dan Anna, 2005). Metode ALSCAL mengoptimalisasikan 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:
dimana : s = stress
m = banyaknya atribut
dijk = jarak euclidian dalam dimensi ke i, j, k
oijk = nilai titik asal pada dimensi ke i, j, k
1 2 2...
2 2 1 2 2 1
x
x
y
y
z
z
d
ij ijd
2 4 2 2 1 1 i j ijk i j ijk ijk m k o o d m sJarak kuadrat merupakan jarak euclidian yang dibobot atau ditulis:
dimana :
d2 = jarak kuadrat euclidian dari titik i ke titik j
wka = jumlah titik yang masuk dalam wilayah pada dimensi (k) dari level ke a xia = nilai titik (x) pada level ke a dari atribut ke i
xja = nilai titik (x) pada level ke a dari atribut ke j
Goodness of fit dalam MDS dicerminkan dari besaran nilai S-Stress yang dihitung berdasarkan nilai S di atas dan R2. Nilai stres yang rendah menunjukkan
good fit, sedangkan nilai S yang tinggi menunjukkan sebaliknya. Pada pendekatan
Rapfish model yang baik ditunjukkan dengan nilai stres yang lebih kecil dari 0,25 atau S < 0,25 (Fauzi dan Anna, 2005). Sedangkan nilai R2 yang baik adalah yang nilainya mendekati 1.
Melalui MDS posisi titik keberlanjutan dapat divisualisasikan dalam dua dimensi, yaitu sumbu horizontal dan sumbu vertikal. Sumbu horizontal menunjukkan perbedaan sistem yang dikaji dalam ordinasi ”buruk” (0 %) sampai ”baik” (100 %) untuk setiap dimensi yang dianalisis. Sedangkan sumbu vertikal menunjukkan perbedaan dari campuran skor atribut di antara sistem yang dikaji. Analisis menghasilkan suatu nilai, dimana nilai ini merupakan nilai indeks keberlanjutan sistem yang dikaji. Analisis ordinasi ini dapat juga digunakan untuk menganalisis seberapa jauh status keberlanjutan untuk masing-masing dimensi yang digambarkan dalam diagram layang-layang (kite diagram). Ilustrasi hasil ordinasi nilai indeks keberlanjutan dapat dilihat pada Gambar 5.
Buruk Baik
0 % 25% 50% 75% 100 %
Keterangan : 50 % batas minimal tidak berkelanjutan
Gambar 5. Ilustrasi penentuan indeks keberlanjutan pengelolaan lahan gambut pada perkebunan kelapa sawit pada skala 0 – 100 %.
2 2 ja ia r i kax
x
w
d
Nilai indeks keberlanjutan setiap dimensi dapat divisualisasikan dalam bentuk diagram layang-layang (kite diagram) seperti tertera pada Gambar 6.
Gambar 6. Ilustrasi diagram layang-layang indeks keberlanjutan
3.5.4. Analisis Kebutuhan Stakeholders
Analisis kebutuhan stakeholders dilakukan untuk memperoleh komponen- komponen yang berpengaruh dan berperan penting dalam pengelolaan lahan gambut pada agroekologi perkebunan kelapa sawit dari seluruh stakeholders yang terlibat. Setelah mendapatkan data pendukung untuk penetapan kebutuhan dasar yang diperoleh berdasarkan analisis kebutuhan stakeholders, selanjutnya diperkirakan kebutuhan setiap stakeholders.
3.5.5. Analisis Faktor Penentu Pengelolaan Lahan Gambut
Analisis prospektif digunakan untuk menentukan faktor-faktor penting dalam pemanfaatan lahan gambut secara berkelanjutan. Analisis prospektif tidak sama dengan peramalan karena analisis prospektif dapat memprediksi alternatif- alternatif yang akan terjadi dimasa yang akan datang baik bersifat positif (diinginkan) ataupun yang negatif (tidak diinginkan). Kegunaan analisis prospektif adalah mempersiapkan tindakan strategis yang perlu dilakukan dan melihat apakah perubahan dibutuhkan dimasa depan (Bourgoise, 2007).
0 20 40 60 80 100Ekonomi Ekologi Sosial Infrastruktur dan Teknologi Hukum dan Kelembagaan
Dari analisis prospektif diketahui informasi mengenai faktor kunci (key factors) pengelolaan lahan gambut sesuai kebutuhan stakeholders. Menurut Hardjomidjojo (2004) tahapan dalam analisis prospektif antara lain: (1) definisi dari tujuan sistem yang dikaji perlu spesifik dan dimengerti oleh semua pakar yang akan diminta pendapatnya. Hal ini dilakukan agar pakar mengerti ruang lingkup dan kajian penyamaan pandangan tentang sistem yang dikaji; (2) identifikasi faktor-faktor yang berpengaruh dalam pencapaian tujuan tersebut, yang biasanya merupakan kebutuhan stakeholders. Berdasarkan tujuan studi yang ingin dicapai, pakar diminta mengidentifikasi faktor-faktor yang berpengaruh dalam pencapaian tujuan tersebut. Pakar diharapkan dapat mewakili stakeholders, sehingga semua kepentingan dapat terwakili. Pada tahapan ini definisi dari setiap faktor harus jelas dan spesifik, dimana intergrasi pendapat pakar dilaksanakan dengan mengambil nilai modus; (3) penilaian pengaruh langsung antar faktor.
Seluruh faktor yang teridentifikasi akan dilakukan penilaian terhadap pengaruh langsung antar faktor, sebagaimana disajikan pada Tabel 8.
Tabel 8. Pedoman penilaian analisis prospektif
Skor Keterangan
0 Tidak ada pengaruh
1 Berpengaruh kecil
2 Berpengaruh sedang
3 Berpengaruh sangat kuat
Sumber: Bourgeois (2007)
Analisis prospektif akan digunakan untuk mengidentifikasi faktor-faktor dominan (faktor kunci) yang berpengaruh terhadap pengelolaan lahan gambut berbasis sumberdaya lokal pada agroekologi perkebunan kelapa sawit. Analisis dilakukan dengan tiga tahapan antara lain: (1) analisis peubah dominan dan sensitif yang diperoleh dari analisis status keberlanjutan; (2) analisis peubah dominan dan analisis kebutuhan atau peubah penting dari responden yang representatif; (3) analisis peubah gabungan yang berada pada kuadran satu dan dua. Hasil peubah kuadran satu dan dua yang akan digunakan dalam analisis model. Penilaian dilakukan dengan memberi skor 3 jika pengaruh langsung antar faktor sangat kuat; skor 2 jika pengaruh langsung antar faktor sedang; skor 1 jika
pengaruh langsung antar faktor kecil, dan skor 0 jika tidak ada pengaruh langsung antar faktor.
Setelah diperoleh faktor-faktor kunci dilakukan analisis matrik pengaruh dan ketergantungan untuk melihat posisi setiap faktor dalam model pengelolaan lahan gambut berbasis sumberdaya lokal pada agroekologi perkebunan kelapa sawit dengan menggunakan software analisis prospektif, tampilan seperti pada Gambar 7.
Gambar 7. Penentuan tingkat pengaruh dan ketergantungan antar faktor dalam pengelolaan lahan gambut pada agroekologi perkebunan kelapa sawit. Masing-masing kuadran dalam diagram mempunyai karakteristik faktor yang berbeda dan bisa di ”adjust” untuk memperoleh skenario strategis (Bourgeois dan Jesus, 2004) sebagai berikut: (1) kuadran pertama faktor penentu atau penggerak (driving variables): memuat faktor-faktor yang mempunyai pengaruh kuat namun ketergantungannya kurang kuat. Faktor-faktor pada kuadran ini merupakan faktor penentu atau penggerak yang termasuk ke dalam kategori faktor paling kuat dalam sistem yang dikaji; (2) kuadran dua faktor penghubung (leverage variables): menunjukkan faktor yang mempunyai pengaruh kuat dan ketergantungan yang kuat antar faktor, dimana faktor-faktor dalam kuadran ini sebagian dianggap sebagai faktor atau peubah yang kuat; (3) kuadran tiga faktor terikat (output variables): mewakili faktor output, dimana pengaruhnya kecil tetapi ketergantungannya tinggi; (4) kuadran empat faktor bebas (marginal variables): merupakan faktor marginal yang pengaruhnya kecil dan tingkat ketergantungannya juga rendah, sehingga faktor-faktor ini dalam sistem bersifat bebas. Faktor Penentu INPUT (I) Faktor Bebas UNUSED Faktor Penghubung Faktor Penentu OUTPUT (III)
Bourgeois (2007) menyatakan bahwa terdapat dua tipe sebaran variabel dalam grafik pengaruh dan ketergantungan antara lain: (1) tipe sebaran yang cenderung mengumpul pada diagonal kuadran empat ke kuadran dua. Tipe ini menunjukkan bahwa sistem yang dibangun tidak stabil karena sebagian besar variabel yang dihasilkan termasuk variabel marginal atau leverage variable. Hal ini menyulitkan dalam membangun skenario strategis untuk masa mendatang; (2) tipe sebaran yang mengumpul di kuadran satu ke kuadran tiga, sebagai indikasi bahwa sistem yang dibangun stabil karena memperlihatkan hubungan yang kuat, dimana variabel penggerak mengatur variabel output dengan kuat. Selain itu dengan tipe ini maka skenario strategis bisa dibangun lebih mudah dan efisien.
Tahapan berikutnya dari analisis prospektif adalah analisis morfologis dengan tujuan untuk memperoleh domain kemungkinan masa depan agar skenario strategis yang diperoleh relevan. Tahapan ini dilakukan dengan mendefinisikan beberapa keadaan yang mungkin terjadi di masa mendatang dari semua variabel kunci yang terpilih. Analisis morfologis diteruskan dengan analisis konsistensi untuk mengurangi dimensi kombinasi variabel-variabel kunci dalam merumuskan skenario di masa yang akan datang melalui identifikasi saling ketidaksesuaian di antara keadaan-keadaan variabel kunci (incompatibility identification).
Tahapan akhir dari analisis prospektif adalah membangun skenario strategi pengelolaan lahan gambut berbasis sumberdaya lokal pada agroekologi perkebunan kelapa sawit. Skenario ini merupakan kombinasi dari beberapa keadaan variabel-variabel kunci yang mungkin terjadi di masa mendatang dikurangi dengan kombinasi keadaan yang tidak mungkin terjadi secara bersamaan. Secara umum skenario yang dipilih terdiri dari 3 skenario yaitu minimal (I), optimal (II) dan maksimal (III).
3.5.4. Analisis Model Pengelolaan Lahan Gambut Berbasis Sumberdaya Lokal
Untuk membangun model pengelolaan lahan gambut berbasis sumberdaya lokal pada agroekologi perkebunan sawit dilakukan dengan melakukan penggabungan hasil analisis MDS, laverage dan prospektif. Dalam merumuskan model pengelolaan dilakukan dengan tahapan yang dilakukan seperti tertera pada Gambar 8.
Gambar 8. Tahapan penyusunan model pengelolaan lahan gambut berbasis sumberdaya lokal pada agroekologi perkebunan kelapa sawit rakyat.
Penyajian strategi pencapaian model pengelolaan lahan gambut berbasis sumberdaya lokal pada agroekologi perkebunan kelapa sawit dilakukan dengan menggunakan diagram alir (flow chart).
Agroekologi Perkebunan Kelapa Sawit pada Lahan Gambut Survei Lapangan Kondisi Eksisting (potensi, kendala) Identifikasi Kebutuhan Stakeholders Penentuan Dimensi Keberlanjutan, atribut dan
Skala Permasalahan Pengelolaan Lahan Gambut Analisis Kebutuhan Stakeholder (Prospektif) Analisis Keberlanjutan Analisis Biofisik, Sosial, Ekonomi Lahan Gambut Status Keberlanjutan, Kebutuhan Stakeholders Atribut Kunci Berpengaruh Faktor atau Atribut Kunci Indeks Keberlanjutan Karaketeristik Biofisik, Sosial, Ekonomi Lahan
Gambut Faktor Pengungkit atau Dominan
Faktor Dominan Berpengaruh
Model Pengelolaan
Strategi Pengelolaan Lahan Gambut pada Agroekologi Perkebunan
Kelapa Sawit
Model Pengelolaan Lahan Gambut pada Agroekologi Perkebunan Kelapa Sawit Skenario I Strategi Pengelolaan Reference (desk study)
Kebijakan Pengelolaan Lahan Gambut di Perkebunan Kelapa Sawit