DAFTAR LAMPIRAN
3 METODE PENELITIAN
Lokasi dan Waktu Penelitian
Penelitian ini dilakukan di Kabupaten Luwu Timur Provinsi Sulawesi Selatan. Secara administrasi Kabupaten Luwu Timur dibagi menjadi 11 kecamatan yaitu Kecamatan Burau, Wotu, Tomoni, Tomoni Timur, Angkona, Malili, Towuti, Nuha, Wasuponda, Mangkutana, dan Kalaena. Peta lokasi penelitian ditampilkan pada Gambar 2. Kegiatan penelitian mulai dari penyusunan proposal sampai dengan penyusunan dan perbanyakan tesis, dilaksanakan pada bulan November 2013 sampai Februari 2015.
Gambar 2 Lokasi Penelitian
Jenis dan Metode Pengumpulan Data
Tujuan penelitian, jenis data, sumber data, alat analisis, metode analisis data dan analisis data serta keluaran yang diharapkan untuk masing-masing tujuan penelitian dapat dilihat pada Tabel 2.
Tahap Analisis
Pada bagian ini, dijelaskan teknik analisis data yang digunakan untuk menjawab tujuan khusus penelitian. Analisis data penelitian terdiri dari 7 jenis analis dan 13 jenis metode analisis. Untuk lebih jelasnya dapat dilihat Gambar 3.
18
Tabel 2 Tahapan pengumpulan data, metode analisis data dan analisis data serta output yang diharapkan
No Tujuan Tahapan pengumpulan data Metode Analisis Data Analisis Output yang
Diharapkan Jenis Data Sumber Data Alat Analisis Data
1. Menganalisis perubahan tutupan/penggunaan lahan di Kabupaten Luwu Timur tahun 2002-2013 dan 2013- 2024
Citra Landsat ETM 7 tahun 2002
Citra Landsat ETM 8 tahun 2013 Peta RTRW Kabupaten Luwu Timur LAPAN BAPPEDA Erdas Image 9.2 ArcGIS 9.3 Idrisi Selva 17.0 Klasifikasi tutupan/ penggunaan lahan Land Change Modeler (LCM) Marcov CA-Marcov Chain Analisis perubahan tutupan/ penggunaan lahan Analisis prediksi tutupan/pengguna an lahan
Peta, matriks dan grafik Perubahan Tutupan/ Penggunaan Lahan Tahun 2002, 2013 dan 2024 2. Menganalisis lokasi perusahaan tambang sebagai salah satu faktor penentu perubahan tutupan/penggunaan lahan di Kabupaten Luwu Timur.
Peta lokasi tambang
Peta kelas Lereng
Peta pola ruang dalam RTRW Kabupaten Luwu Timur DESDM BAPPEDA PASW 18 MLE OLS Analisis faktor pendorong (driving factor) Persamaan model MLE dan OLS
3. Mengetahui konsisten dan inkonsistensi antara kawasan tambang dengan RTRW Kabupaten Luwu Timur
Peta lokasi tambang
Peta pola ruang dan pemanfaatan ruang dalam RTRW Kabupaten Luwu Timur DESDM BAPPEDA
ArcGIS 9.3 Overlay Analisis kesesuaian peruntukan ruang
Peta dan matriks kesesuain
peruntukan ruang
4 Mengidentifikasi dampak perusahaan tambang terhadap masyarakat adat dan kehidupan sosial masyarakat Kabupaten Luwu Timur
Semua keterangan data fakta-fakta yang tidak dapat diukur dan dihitung hanya berwujud keterangan naratif tentang konflik masyarakat adat dan kehidupan sosial masyarakat (interaksi sosial, strata/status sosial, eksistensi adat istiadat dan keamanan).
Masyarakat Wawancara Historis
Pohon Konflik Pemetaan Aktor Komparatif Analisis konflik Identifikasi dampak perusahaan tambang terhadap kehidupan sosial masyarakat Kabupaten Luwu Timur Informasi tentang konflik masyarakat adat Informasi tentang kehidupan sosial masyarakat tentang interaksi sosial, strata/status sosial , eksistensi adat istiadat dan keamanan 18
19 Tabel 2 (lanjutan)
5. Menganalisis peranan sektor pertambangan (pertambangan non migas dan penggalian) terhadap perekonomian wilayah dan keterkaitannya dengan sektor-sektor lain di Kabupaten Kabupaten Luwu Timur.
Tabel I-O Tahun 2009 Provinsi Sulawesi Selatan
PDRB Kabupaten Luwu Timur tahun 2004-2012. BPS Provinsi Sulawesi Selatan BPS Kabupaten Luwu Timur GAMS Agregasi RAS Analisis Pertumbuhan Ekonomi Analisis I-O Informasi tentang nilai pertumbuhan ekonomi dari tahun 2004 sampai tahun 2012 di Kabupaten Luwu Timur
Informasi tentang niai keterkaitan antar sektor dan multiplier effect sektor
pertambangan di Kabupaten Luwu Timur
20
20
Gambar 3 Bagan Alir Proses Analisis Data Penelitian
Analisis I-O Land Change
Modeler (LCM)
Kesimpulan dan Saran
Matriks, grafik dan peta perubahan tutupan/ Penggunaan
Lahan Tahun 2002 dan 2013 Analisis perubahan tutupan/penggunaan lahan
Citra Landsat ETM Tahun 2002 dan 2013 Klasifikasi Citra Peta tutupan/ Penggunaan Lahan Tahun 2002 dan 2013 Analisis Konflik
Identifikasi Kehidupan Sosial Masyarakat adat suku to kanrusie dan Perusahaan
Tambang PT.Vale Indonesia, Tbk
Masyarakat Kabupaten Luwu Timur
Historis, Pemetaan antar aktor dan Pohon Konflik
Komparatif Analisis prediksi tutupan/penggunaan lahan Konversi ke Raster
PetaTahun 2002 dan 2013 Marcov Chain
CA-Marcov
Chain Peta Tahun 2024
Analisis Kesesuaian Pemanfaatan Ruang Overlay Peta Kesesuaian Pemanfaatan Ruang Peta lokasi Tambang
Peta RTRW
Pertumbuhan ekonomi
Tabel Input Output Provinsi Sulawesi Selatan
Tahun 2012
PDRB ADHB Kabupaten Luwu Timur Tahun 2012
Agregasi Tabel Input Output Provinsi Sulawesi Selatan Tahun 2009
RAS Tabel Input Output Kabupaten Luwu Timur Tahun 2012
Analisis Pertumbuhan Ekonomi PDRB atas harga berlaku
PDRB atas harga konstanta
RAS
Agregasi
Analisis Faktor Pendorong (Driving Factor)
MLE dan OLS Persamaan model MLE dan OLS Perubahan tutupan/penggunaan
lahan, peta lokasi Tambang, peta pola ruang dan peta kelas lereng
21
Analisis Perubahan Tutupan/Penggunaan Lahan Tahun 2002-2013
Pada bagian ini, dijelaskan teknik analisis perubahan tutupan/penggunaan lahan tahun 2002-2013. Analisis ini terdiri dari 2 metode yaitu klasifikasi citra dan
Land Change Modeler (LCM). Untuk lebih jelasnya dapat dilihat Gambar 4
Gambar 4 Bagan Alir Analisis Perubahan Tutupan/Penggunaan Lahan Tahun 2002-2013
1. Klasifikasi Tutupan/Penggunaan Lahan
Klasifikasi tutupan/penggunaan lahan adalah interpretasi citra satelit ke dalam tipe tutupan/penggunaan lahan. Pendekatan yang digunakan dalam klasifikasi tutupan/penggunaan lahan yaitu klasifikasi terbimbing. Klasifikasi dilakukan secara visual mengacu pada klasifikasi tutupan lahan Ditjen Planologi tahun 2006 yang membagi tutupan lahan kedalam 23 tipe (KH 2012). Kebutuhan analisis perubahan lahan pada penelitian ini, 23 tipe penutupan lahan (Lampiran 3), digeneralisasi menjadi 10 tipe yaitu : empang/ tambak, hutan, kebun, lahan terbangun/permukiman, lahan terbuka, rawa/
mangrove, sawah, semak/belukar, tegalan/ladang dan tubuh air. Hasil klasifikasi ini kemudian diuji kebenarannya dengan melakukan pengecekan ke lapang secara langsung untuk memperbaiki hasil klasifikasi.
2. Land Change Modeler (LCM)
LCM merupakan metode untuk mengetahui perubahan tutupan/ penggunaan lahan dan membuat model pemusatan perubahan tutupan/ penggunaan lahan secara spasial. Menurut Václavík dan Rogan (2009) bahwa metode LCM dapat didefinisikan secara matematik sebagai berikut:
Z (U,V) = α00 + α10U+ α01V + α11UV + … + αpqUpVq
Keterangan:
Z = Variabel tutupan/penggunaan lahan yang didistribusikan α = Koefisien polynomial
U dan V = Koordinat lokasi; p dan q = Order polynomial Landsat ETM 7 2002 Landsat ETM 8 2013
Klasifikasi citra
Pengecekan Lapang
Stacking band citra dan Mosaik Cropping dengan peta administrasi
Kabupaten Luwu Timur
Peta Tutupan/Penggunaan Lahan Tahun 2002 dan 2013
Peta, matriks dan grafik Perubahan Tutupan/Penggunaan Lahan Tahun 2002 dan 2013
Analisis Prediksi Tutupan/Penggunaan Lahan
Pada bagian ini, dijelaskan teknik analisis prediksi tutupan/penggunaan lahan tahun 2002-2013. Analisis ini terdiri dari 2 metode yaitu Markov dan Cellular Automata (CA)-Markov Chain. Untuk lebih jelasnya dapat dilihat Gambar 5.
Gambar 5 Bagan Alir Analisis Prediksi Perubahan tutupan/Penggunaan Lahan 1. Markov
Analisis yang bersifat prediksi (prediction) atau peramalan (forecasting) berperan sangat penting untuk perencanaan dan pengembangan wilayah (Rustiadi et al. 2011). Prediksi tutupan/penggunaan lahan dapat diketahui dengan metode Markov Chain dan metode Cellular Automata (CA)-Markov Chain. Metode Markov adalah metode secara statistik dengan menggunakan matriks peluang peralihan berdasarkan berdasarkan efek kawasan pada algoritma yang mempengaruhi ruang (Cole dalam Ilkwon et al. 2011). Markov Chain dibangun dengan menggunakan distribusi penggunaan lahan pada awal dan akhir masa pengamatan (Trisasongko et al. 2009). Metode Markov didefinisikan secara matematis sebagai berikut:
. = [ ] [ ]=[ ] Keterangan: MLC = Matriks peluang
Mt = Matriks peluang tahun ke t
Mt+1 = Peluang tahun ke t+1
Ut = Peluang setiap titik terklasifikasi sebagai kelas U pada waktu t;
LCua = Peluang kelas U menjadi kelas lainnya pada rentang waktu tertentu.
Peta tutupan/penggunaan lahan tahun 2002
Peta tutupan/penggunaan lahan tahun 2013
Peta kesesuaian penggunaan lahan Konversi polygon ke raster
Markov
Matriks transisi area dan probability
Peta tutupan/penggunaan lahan tahun 2024 CA- Marcov Chain
23 2. Cellular Automata (CA)-Markov Chain
Metode CA-Markov merupakan metode untuk menambahkan karakter ruang berdasarkan penerapan aturan atau kesesuaian lahan (Lampiran 11, 12 dan 13). Hal ini untuk memastikan bahwasanya perubahan tutupan/ penggunaan lahan tidak sepenuhnya terjadi secara acak tetapi berdasarkan aturan atau kesesuaian lahan (Eastman 2012).
Analisis Faktor Pendorong (Driving Factor)
Faktor pendorong perubahan tutupan/penggunaan lahan untuk semua tipe tutupan/penggunaan lahan dapat diketahui dengan menggunakan binary logistic regression. Menurut Arkham (2014) bahwa binary logistic regression merupakan pendekatan pemodelan matematik yang dapat digunakan untuk menjelaskan dan mengevaluasi hubungan dari beberapa variabel independent dengan variabel
dependent (Tabel 3). Variabel Y, X1, dan X2 merupakan data nominal (tidak
bertingkat) sedangkan variabel X3 merupakan data ordinal (bertingkat). Kategori
variabel Y, X1, X2, dan X3 adalah kategorik.
Metode yang digunakan adalah MLE (Maximum Likelihood Estimation) dan persamaan (model) dari binary logistic regression (Yulianto et al. 2013).
Logit(Y) = a + b1X1+ b2X2+ b3X3+…… biXn Keterangan :
Y = Variabel dependent; a = Konstanta
X = Variabel independent; bi = Koefisien variabelindependent ke i, untuk i=1,2,3….n Tabel 3 Variabel-variabel dalam binary logistic regression
Y X
Perubahan tutupan/penggunaan lahan
0= Tidak berubah; 1=Berubah
1. Alokasi RTRW untuk Kawasan (X1) 0= Kawasan budidaya; 1= Kawasan lindung 2. Lokasi Tambang (X2)
0= Bukan perusahaan tambang; 1=Perusahaan tambang
3. Lereng (X3)
0= 0-8% (datar); 1=8-15% (landai); 2= 15- 25% (miring); 3=25-40% (terjal); 4=40%(sangat terjal).
Dampak pertambangan terhadap perubahan tutupan/penggunaan lahan untuk tipe tutupan/penggunaan lahan yang mengalami perubahan lahan terbesar tahun 2002-2013 dan tahun 2013-2024 dapat diketahui dengan menggunakan pendekatan persamaan regresi linier sederhana. Menurut Ginting et al. (2012) bahwa regresi linier sederhana digunakan untuk mendapatkan hubungan matematik dalam bentuk suatu persamaan antara variabel independent dengan variabel dependent (Tabel 4). Metode yang digunakan adalah metode Ordinary Least Square (OLS) dan persamaan (model) yang akan dihasilkan dari model regresi linier sederhana (Nachrowi dan Usman 2002):
W = a + bU Keterangan :
W = Variabel dependent; U = Variabel independent
Tabel 4 Varibel dalam regresi linier sederhana
W (ha) U (ha)
Perubahan luas lahan hutan-lahan terbuka periode tahun 2002-2013 (W1)
Perubahan luas lahan hutan-lahan terbangun/ permukiman periode tahun 2002-2013 (W2)
Perubahan luas lahan hutan-lahan terbuka periode tahun 2013-2024 (W3)
Perubahan luas lahan hutan-lahan terbangun/ permukiman periode tahun 2013-2024 (W4)
Luas lokasi tambang
Binary logistic regression dan regresi linier sederhana dengan menu enter, yang berarti semua variabel independent dimasukkan sebagai indikator categori, sehingga diketahui variabel independent yang berpengaruh terhadap variabel dependent.
Analisis Kesesuaian Pemanfaatan Ruang
Dalam melakukan analisis kesesuaian pemanfaatan ruang, metode yang digunakan adalah teknik overlay peta (Gambar 6). Overlay peta merupakan proses jumlah peta tematik dengan area yang sama dan menghamparkan satu dengan yang lain untuk membentuk satu layer peta baru. Proses overlay atau tumpang tindih peta dapat dilakukan dengan menggunakan fasilitas dalam ArcGIS 9.3 yang disebut ekstensi geoprocessing. Geoprocessing merupakan salah satu fasilitas dalam ArcGIS untuk membuat data baru (Trisasongko et al. 2009).
Gambar 6 Bagan alir analisis kesesuaian pemanfaatan ruang
Analisis Konflik
Analisis konflik sebagai proses praktis untuk mengkaji dan memahami kenyataan konflik dari berbagai sudut pandang. Metode analisis konflik yang di gunakan dalam penelitian ini adalah historis (urutan kejadian), pemetaan konflik dan pohon konflik. Urutan kejadian adalah kejadian-kejadian yang diceritakan dalam skala waktu (tahun), tujuannya yaitu mengidentifikasi kejadian mana yang paling penting. Pemetaan konflik antar aktor adalah metode visual yang menggambarkan hubungan di antara berbagai pihak yang berkonflik, tujuannya yaitu untuk lebih memahami situasi dengan baik, melihat hubungan di antara berbagai pihak secara lebih jelas, menjelaskan dimana letak kekuasaan, memeriksa keseimbangan masing-masing kegiatan/reaksi, melihat dimana saja letak sekutu potensial, untuk mengidentifikasi mulainya intervensi, untuk mengevaluasi apa yang telah dilakukan. Pohon konflik adalah alat bantu menggunakan gambar pohon untuk mengurutkan isu-isu pokok konflik., tujuannya yaitu untuk merangsang diskusi tentang berbagai sebab dan efek dalam suatu konflik. Menurut Craig (2009) bahwa pohon konflik didasarkan pada
Overlay Peta Kesesuaian
Pemanfaatan Ruang Peta lokasi pertambangan
Peta pola ruang dan peta pemanfaatn ruang dalam RTRW
25 'Pohon Masalah', yang secara luas digunakan dalam desain konflik. Diagram skema menggambarkan aspek-aspek utama yang diidentifikasi melalui pengembangan pohon konflik; masalah inti atau 'skenario konflik' (trunk), penyebab yang mendasari (akar), dan dampaknya (cabang), pohon Konflik sangat cocok digunakan dalam ekonomi, politik, keamanan dan sosial yang mengalami konflik.
Analisis Kehidupan Sosial Masyarakat
Kehidupan sosial masyarakat adalah segala bentuk aktivitas masyarakat yang berhubungan dengan interaksi sosial, status sosial, budaya dan keamanan dalam kehidupan masyarakat (Julianti 2012). Metode yang digunakan dalam analisis kehidupan sosial masyarakat yaitu metode komparatif. Menurut Setiadi dan Kolip (2011) bahwa metode komparatif adalah metode ilmiah yang lebih mementingkan perbandingan antara bermacam-macam masyarakat dan bidang-bidangnya untuk memperoleh perbedaan, persamaan dan sebabnya. Perbedaan dan persamaan tersebut bertujuan untuk mendapatkan petunjuk-petunjuk tentang perilaku masyarakat, seperti masyarakat masa silam dan masa sekarang, juga untuk mengenali masyarakat yang mempunyai tingkat peradaban yang berbeda atau yang sama. Teknik pengumpulan data yang dilakukan dalam analisis ini dengan wawancara mendalam dengan informan yang dipilih sebanyak 17 orang berdasarkan kriteria informan (Lampiran 18) dengan pertimbangan bahwa informan tersebut mengetahui dan dapat memberikan penjelasan tentang permasalahan yang dikaji oleh peneliti.
Analisis Pertumbuhan Ekonomi
Analisis pertumbuhan ekonomi dapat menjelaskan pertumbuhan ekonomi wilayah dan pertumbuhan ekonomi setiap sektor. Secara teknis pertumbuhan ekonomi menggunakan data Pendapatan Domestik Regional Bruto (PDRB) Atas Dasar Harga Berlaku (ADHB) dan Atas Dasar Harga Konstanta (ADHK) tahun 2004-2012 Kabupaten Luwu Timur. Pertumbuhan ekonomi didefinisikan secara matematik sebagai berikut:
Keterangan:
g = Tingkat Pertumbuhan Ekonomi PDRB rill ADHB1 = PDRB ADHB pada tahun sekarang.
PDRB rill ADHB0 = PDRB ADHB pada Indeks Perkembangannya.
Indeks perkembangan didefinisikan secara matematik sebagai berikut:
Keterangan:
IP = Indeks Perkembangan;
IE
tb
= Indeks Ekonomi tahun sebelumnya IEts
= Indeks Ekonomi tahun sekarang PDRB ADHB = PDRB ADHB tahun sebelumnyaIndeks Ekonomi didefinisikan secara matematik sebagai berikut:
Keterangan:
IE = Indeks Ekonomi;
PDRB ADHB = Pendapatan Domestik Regional Bruto Atas Dasar Harga Berlaku
PDRB ADHK = Pendapatan Domestik Regional Bruto Atas Dasar Harga Konstanta 2000
Analisis Input Output (I-O)
Pada bagian ini, dijelaskan teknik analisis Input Output (I-O). Analisis ini terdiri dari 2 metode yaitu agregasi dan RAS. Untuk lebih jelasnya dapat dilihat Gambar 7.
Gambar 7 Bagan Alir Analisis Input Output
1. Agregasi
Proses agregasi adalah penggabungan data dalam satu kelompok. Pada tabel I-O Provinsi Sulawesi Selatan tahun 2009 terdapat 112 sektor perekonomian di agregasi menjadi 24 sektor (Tabel 5 dan Lampiran 23) sehingga memudahkan untuk proses update. Jumlah sektor di PDRB
RAS Tabel Input Output
Provinsi Sulawesi Selatan Tahun 2012
(24x24 Sektor)
PDRB adhb Kabupaten Luwu Timur Tahun 2012
Agregasi
Tabel Input Output Provinsi Sulawesi Selatan Tahun 2009
(112x112 Sektor)
RAS
Tabel Input Output Kabupaten Luwu Timur Tahun 2012
(22x22 Sektor) Keterkaitan langsung ke belakang (direct backward linkage/DBLj) Keterkaitan langsung ke depan (direct forward linkage/DFLi) Keterkaitan ke depan langsung dan tidak langsung
(indirect forward linkage/DIFLi) Keterkaitan ke belakang langsung dan tidak langsung (indirect backward linkage/DIBLj) Daya sebar ke belakang atau indeks daya penyebaran/IDP (backward linkages effect ratio) Indeks derajat kepekaan/IDK atau sering disebut derajat
kepekaan saja (forward linkages effect ratio) Multiplier Output multiplier/OM Total value added multiplier/VM atau PDRB multiplier Income multiplier/IM Agregasi
27 Kabupaten Luwu Timur sebanyak 22 sektor (Tabel 5) sehingga sektor tersebut dijadikan sektor pada tabel I-O Kabupaten Luwu Timur.
Tabel 5 Sektor-Sektor Tabel I-O Kabupaten Luwu Timur Kode
I-O Sektor
Kode
I-O Sektor
1 Tanaman Bahan Makanan 12 Perdagangan
2 Perkebunan 13 Restauran
3 Peternakan 14 Hotel
4 Kehutanan 15 Pengangkutan
5 Perikanan 16 Komunikasi
6 Pertambangan Tanpa Migas 17 Bank
7 Penggalian 18 Lembaga Keuangan Tanpa Bank
8 Industri Non Migas 19 Usaha Sewa Bangunan
9 Listrik 20 Jasa Perusahaan
10 Air Bersih 21 Pemerintahan Umum
11 Bangunan/Konstruksi 22 Swasta 2. RAS
Metode RAS merupakan suatu metode untuk memperkirakan matriks koefisien input yang baru pada tahun t “A(t)” dengan menggunakan informasi
koefisien input tahun dasar “A(0)”, total permintaan tahun antara t, dan totalinput
antara tahun t (Toh 1998). Secara matematis metode RAS dapat diuraikan sebagai berikut: Andaikan matriks koefisien input pada tahun dasar proyeksi adalah A(0) = {aij(0)}, i,j = 1,2....n, matriks koefisien input untuk tahun proyeksi t
diperkirakan dengan rumus A(t) = R A(0) S, dimana R = matriks diagonal yang elemen-elemennya menunjukkan pengaruh substitusi, dan S = matriks diagonal yang elemen-elemennya menunjukkan pengaruh fabrikasi. Pengaruh substitusi menunjukkan seberapa jauh suatu komoditas dapat digantikan oleh komoditas lain dalam proses produksi. Pengaruh fabrikasi menunjukkan seberapa jauh suatu sektor dapat menyerap input antara dari totalinput yang tersedia.
Andaikan ri dan sj berturut-turut merupakan elemen matriks diagonal R dan
S. Misalkan pula Xij(0) adalah input antara sektor j yang berasal dari output sektor
i pada tahun dasar. Untuk menjaga konsistensi hasil estimasi ri dan sj, perlu
ditambahkan dua persamaan pembatas seperti tertera di bawah ini.
∑ dan ∑
Dengan bi = jumlah permintaan antara sektor i pada tahun t dan kj = jumlah input
antara sektor j pada tahun t. Hasil data yang diperoleh dari metode RAS adalah
input antara masing-masing sektor, nilai tambah bruto, totalinput atau output, dan jumlah permintaan akhir.
Rustiadi et al (2011) mengemukakan bahwa karakteristik struktur ekonomi wilayah yang ditunjukkan dengan distribusi sumbangan sektoral serta keterkaitan sektoral perekonomian wilayah, secara teknis dapat dijelaskan dengan menggunakan analisis I-O. Saat ini Analisis I-O telah berkembang luas menjadi model analisis standard untuk melihat struktur keterkaitan perekonomian nasional, wilayah dan antar wilayah, serta dimanfaatkan untuk berbagai peramalan perkembangan struktur perekonomian. Struktur tabel input-output dapat dilihat pada Tabel 6 dan tabel input-output dapat dilihat pada Lampiran 24.
Tabel 6 Struktur Tabel Input-Output
Sumber : Rustiadi et al. (2011) Keterangan :
ij : sektor ekonomi
Xij : banyaknya output sektor i yang digunakan sebagai input sektor j Xi : totaloutput sektor i
Xj : totaloutput sektor j; untuk sektor yang sama (i=j), totaloutput sama dengan
totalinput
Ci : permintaan konsumsi rumah tangga terhadap output sektor i Gi : permintaan konsumsi pemerintah terhadap output sektor i
Ii : permintaan pembentukan modal tetap netto (investasi) dari output sektor i;
output sektor i yang menjadi barang modal
Ei : ekspor barang dan jasa sektor i, output sektor i yang diekspor/dijual ke luar wilayah, permintaan wilayah eksternal terhadap output sektor i
Yi : total permintaan akhir terhadap output sektor i ( Yi=Ci+Gi+Ii+Ei)
Wj : pendapatan (upah dan gaji) rumah tangga dari sektor j, nilai tambah sektor j yang dialokasikan sebagai upah dan gaji anggota rumah tangga yang bekerja di sektor j
Tj : pendapatan pemerintah (Pajak Tak Langsung) dari sektor j, nilai tambah sektor j yang menjadi pendapatan asli daerah dari sektor j
Sj : surplus usaha sektor j, nilai tambah sektor j yang menjadi surplus usaha Mj : impor sektor j, komponen input produksi sektor j yang diperoleh/dibeli dari
luar wilayah
Analisis yang dilakukan terhadap tabel I-O adalah analisis keterkaitan dan angka pengganda sektoral. Hasil perhitungan ini menghasilkan koefisien teknis (matriks A) dan invers matriks Leontief (matriks B) yang selanjutnya diolah kembali sehingga diperoleh data mengenai keterkaitan sektoral dan angka pengganda (multiplier).
29 Koefisien teknologi sebagai parameter yang paling utama dalam analisis I-O
secara matematis diformulasikan sebagai rumus berikut:
Dimana:
: rasio antara banyaknya output sektor i yang digunakan sebagai input sektor j
( atau disebut pula sebagai koefisien input.
Beberapa parameter teknis yang dapat diperoleh melalui analisis I-O adalah: 1. Keterkaitan langsung ke belakang (direct backward linkage/DBLj) yang
menunjukkan efek permintaan suatu sektor terhadap perubahan tingkat produksi sektor-sektor yang menyediakan input antara bagi sektor tersebut secara langsung.
∑
untuk mengukur secara relatif (perbandingan dengan sektor lainnya) terdapat ukuran normalized yang merupakan rasio antara kaitan langsung ke belakang sektor j dengan rata-rata backward linkage sektor-sektor lainnya. ∑ ∑
Nilai > 1 menunjukkan bahwa sektor j memiliki keterkaitan ke belakang yang kuat terhadap pertumbuhan sektor-sektor lain dalam memenuhi turunan permintaan yang ditimbulkan oleh sektor ini.
2. Keterkaitan langsung ke depan (direct forward linkage/DFLi)yang menunjukkan banyaknya output suatu sektor yang dipakai oleh sektor-sektor lain.
∑ ∑
Normalized atau dirumuskan sebagai berikut : ∑ ∑
Nilai > 1 menunjukkan bahwa sektor i memiliki keterkaitan ke depan yang kuat terhadap pertumbuhan sektor-sektor lain dalam suatu wilayah. 3. Keterkaitan ke belakang langsung dan tidak langsung (indirect backward
linkage/DIBLj) yang menunjukkan pengaruh tidak langsung dari kenaikan permintaan akhir satu unit sektor tertentu yang dapat meningkatkan total output seluruh sektor perekonomian.
∑
di mana DIBLj adalah elemen-elemen matriks B atau yang merupakan matriks Leontief.
4. Keterkaitan ke depan langsung dan tidak langsung (indirect forward linkage/DIFLi), yaitu peranan suatu sektor dalam memenuhi permintaan akhir dari seluruh sektor perekonomian.
∑
5. Daya sebar ke belakang atau indeks daya penyebaran/IDP (backward linkages effect ratio) yang menunjukkan kekuatan relatif permintaan akhir suatu sektor dalam mendorong pertumbuhan produksi total seluruh sektor perekonomian. ∑
∑ ∑
∑ ∑ ∑
Besaran nilai dapat mempunyai nilai sama dengan 1; lebih besar dari 1 atau lebih kecil dari 1. Bila =1, hal tersebut berarti bahwa daya penyebaran sektor j sama dengan rata-rata daya penyebaran seluruh sektor ekonomi. Nilai >1 menunjukkan bahwa daya penyebaran sektor j berada di atas rata-rata daya penyebaran seluruh sektor ekonomi; dan sebaliknya <1 menunjukkan daya penyebaran sektor j lebih rendah dari rata-rata daya penyebaran seluruh sektor ekonomi.
6. Indeks derajat kepekaan/IDK atau sering disebut derajat kepekaan saja (forward linkages effect ratio) menjelaskan pembentukan output di suatu sektor yang dipengaruhi oleh permintaan akhir masing-masing sektor perekonomian. Ukuran ini digunakan untuk melihat keterkaitan kedepan (forward linkage).
∑
∑ ∑
∑
∑ ∑
Nilai >1 menunjukkan bahwa derajat kepekaan sektor i lebih tinggi dari rata-rata derajat kepekaan seluruh sektor ekonomi, dan sebaliknya <1 menunjukkan derajat kepekaan sektor i lebih rendah dari rata-rata seluruh sektor ekonomi.
7. Multiplier adalah koefisien yang menyatakan kelipatan dampak langsung dan tidak langsung dari meningkatnya permintaan akhir suatu sektor sebesar satu unit terhadap produksi total semua sektor ekonomi suatu wilayah.
a. Output multiplier/OM, merupakan dampak meningkatnya permintaan akhir suatu sektor terhadap totaloutput seluruh sektor di suatu wilayah.
b. Total value added multiplier/VM atau PDRB multiplier adalah dampak