Penelitian ini dilakukan di Provinsi Jawa Barat, tahap pengumpulan data hingga penyusunan laporan dilaksanakan pada bulan Mei 2013 sampai Juni 2014. Penelitian dilakukan pada level pemerintah provinsi semakin relevan dengan perubahan Undang-Undang Pemerintahan Daerah Nomor 32 Tahun 2004 menjadi Undang-Undang Nomor 23 Tahun 2014 yang mengatur penguatan kewenangan gubernur dan pemerintahan tingkat provinsi. Penelitian ini dilaksanakan di Jawa Barat dengan pertimbangan bahwa Jawa Barat merupakan provinsi dengan jumlah penduduk paling banyak nasional, memiliki PDRB yang tinggi, dan ketersediaan sumberdaya alam yang berlimpah.
Sumber dan Pengumpulan Data
Data utama yang digunakan dalam penelitian adalah data sekunder berasal dari instansi terkait, antara lain:
1. Badan Pusat Statistik (BPS),
2. Badan Perencanaan Pembangunan Daerah (BAPPEDA), 3. Dinas Pertanian,
4. Dinas Kehutanan,
5. Dinas Energi dan Sumberdaya Mineral (ESDM), 6. Dinas Pengelolaan Sumberdaya Air (PSDA), 7. Badan Ketahanan Pangan (BKP),
8. dan beberapa instansi terkait/relevan lainnya di Jawa Barat dan nasional. Data yang dibutuhkan dalam penelitian antara lain:
A. Indikator kinerja perekonomian Jawa Barat 1. Produk Domestik Regional Bruto (PDRB) 2. Laju Pertumbuhan Ekonomi (LPE)
B. Sisi penawaran sumberdaya alam (supply side): 1. Sumberdaya lahan
2. Produksi air, pangan, dan energi 3. Tenaga kerja sektor pertanian 4. Dampak perubahan iklim
C. Sisi permintaan sumberdaya alam (demand side): 1. Jumlah penduduk
2. Laju pertumbuhan penduduk 3. Konsumsi air, pangan, dan energi
17 Matrik kebutuhan data dan alat analisis yang digunakan dalam penelitian dapat dilihat pada tabel berikut:
Tabel 2. Data dan alat analisis yang digunakan dalam penelitian
No Tujuan Penelitian Data Jenis Data Alat Analisis
1 Mengetahui kondisi perekonomian dan sumberdaya alam Jawa Barat saat ini.
PDRB, Pertumbuhan Penduduk,
Produksi Air-Pangan- Energi, Konsumsi Air- Pangan-Energi, Dampak Perubahan Iklim
Sekunder Analisis Deskriptif, Analisis Regresi Berganda,
2 Melakukan simulasi proyeksi kebutuhan SDA guna menunjang pembangunan perekonomian dengan pertambahan jumlah penduduk. Pertumbuhan Penduduk, Luas Sawah, Produksi Air- Pangan-Energi, Konsumsi Air- Pangan-Energi, Dampak Perubahan Iklim
Sekunder Analisis Regresi Berganda, Proyeksi dan Peramalan,
Analisis Daya Dukung
3 Menghitung daya dukung SDA berdasarkan perkembangan jumlah penduduk guna menjamin pembangunan
perekonomian.
Pertumbuhan Penduduk, Luas Sawah, Produksi Air- Pangan-Energi, Konsumsi Air- Pangan-Energi
Sekunder Analisis DEA (Data Envelopment Analysis)
Metode Analisis Analisis Deskriptif
Statistika deskriptif merupakan metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna. Statistika deskriptif adalah suatu metode yang mempelajari cara penyajian suatu gambaran atau informasi inti dari sekumpulan data yang ada, misalnya: (1) analisis potret data (frekuensi dan persentase), (2) analisis kecenderungan sentral data (nilai tengah/rata-rata, median dan modus), dan (3) analisis sebaran data (kisaran dan simpangan baku atau varian) (Walpole, 1997). Untuk melakukan analisis deskriptif dari suatu data dapat dilakukan melalui 3 (tiga) tahapan:
a. Menyusun data yang tersedia dalam bentuk tabulasi data dengan beberapa cara sesuai keperluan,
b. Dari hasil penyusunan data dalam bentuk tabulasi data kemudian dihitung nilai-nilai yang menggambarkan segi-segi yang sangat penting dari data tersebut seperti pemusatan data atau penjabaran data.
c. Berdasarkan nilai-nilai yang telah dihitung selanjutnya dapat diambil suatu kesimpulan yaitu dengan diketahuinya gambaran atau informasi secara umum dari suatu gugus data.
18
Statistika deskriptif memberikan informasi hanya mengenai data yang dimiliki dan sama sekali tidak menarik inferensia atau kesimpulan apapun mengenai gugus data induknya yang lebih besar.
Analisis Regresi Linier Berganda
Analisis data yang digunakan dalam mengkaji faktor-faktor pengaruh produksi adalah analisis regresi linier berganda. Analisis regresi linier berganda merupakan alat untuk memperoleh suatu prediksi di masa lalu maupun yang akan datang dengan dasar keadaan saat ini. Prediksi dengan hal ini bukanlah merupakan hal yang pasti, namun mendekati kebenaran. Tahapan penentuan nilai a dan b dapat dicari dengan teknik eliminasi dimana dilakukan dengan cara menghilangkan satu demi satu bagian sehingga diperoleh nilai pernilai. Adapun formula dari analisis regresi linier berganda untuk faktor-faktor internal adalah sebagai berikut:
Y = a + b1x1 + b2x2 + b3x3 +e ...(1) dimana :
Y = produksi padi (ton) a = intersep
x1 = luas sawah (hektar) x2 = indeks pertanaman (IP) x3 = tenaga kerja (orang) b1, b2, b3 = koefisien regresi e = error
Regresi linier sederhana dengan variabel ganda adalah analisis statistik yang mencakup hubungan banyak variabel. Apabila dijumpai satu variabel terikat yang dipengaruhi oleh beberapa variabel bebas dalam mempengaruhi variabel terikat itu bermacam, sehingga bentuk hubungannya pun tentunya berbeda- beda. Sifat dan hubungan berjenjang sering kali terjadi dalam kajian ilmu sosial. Variabel lain menjembatani pengaruh variabel bebas terhadap variabel terikat tersebut dengan variabel antara. Variabel bebas itu sendiri mempunyai pola hubungan yang tidak tetap. Artinya bisa benar-benar bebas, berkorelasi tetapi tidak signifikan atau mempunyai hubungan yang tidak erat.
Analisis DEA (Data Envelopment Analysis)
DEA adalah sebuah metode optimasi program matematika yang dipergunakan untuk mengukur efisiensi teknis suatu unit kegiatan ekonomi dan membandingkan secara relatif terhadap unit kegiatan ekonomi lain (Charnes, et.al 1978). DEA memiliki asumsi bahwa setiap unit kegiatan ekonomi akan memilih bobot yang memaksimalkan rasio efisiensinya. Setiap unit kegiatan ekonomi menggunakan kombinasi input yang berbeda untuk menghasilkan kombinasi output yang mencerminkan keragaman tersebut, dan bobot tersebut bukan merupakan nilai ekonomis dari input atau output melainkan penentu untuk memaksimalkan efisiensi dari suatu unit kegiatan ekonomi. DEA memungkinkan input-output untuk dianalisa secara bersamaan tanpa asumsi distribusi data. Dalam beberapa kasus, efisiensi diukur dari segi perubahan proporsional dalam input atau output. Model DEA dapat dibagi menjadi model input oriented, yaitu dengan meminimalkan input untuk mempertahankan level output, dan model
19 Data yang telah dikelompokan untuk setiap tahap diolah menggunakan perangkat lunak DEAP ver. 2.1 (Data Envelopment Analysis Program version 2.1) yang dikembangkan oleh Tim Coelli dari Centre for Efficiency and Productivity Analysis, Departement of Econometric, University of New England Australia (http://www.une.edu.au/ econometrics/cepa.htm). Perangkat lunak tersebut menggunakan format text untuk input dan outputnya. Untuk mengintegrasikan data-data yang sebelumnya sudah dientri pada Microsoft Excel selanjutnya dikonversikan menjadi format teks. Pada file yang berisi dengan perintah dan kondisi CRS (Constant Return to Scale) dan VRS (Variabel Return to Scale) baik meminimalkan input dan juga memaksimalkan output dilakukan secara bergiliran, sehingga didapat file output (Coelli, 1996).
Alasan penggunaan DEA, yaitu: (1) pemberian bobot penilaian untuk setiap variable penentu kinerja dilakukan secara objektif, (2) DEA merupakan analisis titik ekstrim yang berbeda dengan tendensi pusat, sehingga setiap observasi atau unit kegiatan ekonomi dianalisis secara individual, (3) DEA membentuk referensi hipotesis (virtual production function) berdasar pada data observasi yang ada.
Analisis Daya Dukung Lingkungan
Daya dukung alam adalah kemampuan lingkungan alam beserta segenap unsur dan sumbernya untuk menunjang perikehidupan manusia serta makhluk lain secara berkelanjutan. Konsep dan perhitungan teknis daya dukung lingkungan yang dapat digunakan sebagai dasar dalam penyusunan RTRW sangat banyak dan beragam serta tergantung pada tujuan yang diinginkan seperti untuk daya tampung demografis, keseimbangan pangan, lahan pertanian, penggunaan lahan, keseimbangan kebutuhan lahan, kebutuhan air, dan sebagainya. Selain itu penggunaan penerapan teknik pengukuran daya dukung lingkungan juga tergantung pada unit analisis yang digunakan, diantaranya :
� = Lp/Pd ... (2)
KFM/Pr
Keterangan:
� = daya dukung wilayah pertanian Lp = luas lahan panen (ha)
Pd = jumlah penduduk (jiwa)
KFM = Kebutuhan Fisik Minimum (kg/kapita/tahun) Pr = produksi lahan rata-rata per hektar (kg/ha) Dengan asumsi bila:
�< 1 mampu tidak mampu swasembada pangan,
�> 1 mampu swasembada pangan
Proyeksi dan Peramalan
Dalam suatu perencanaan sering terjadi kesenjangan waktu (time lag) antara suatu peristiwa dengan kebutuhan yang akan datang. Kesenjangan waktu (time lag) merupakan alasan pentingnya suatu perencanaan dan peramalan. Jika waktu tenggang nol atau sangat kecil, maka perencanaan atau peramalan tidak diperlukan, apabila time lag-nya panjang dan hasil akhir suatu kerja tergantung pada faktor-faktor yang dapat diketahui maka perencanaan dan peramalan dapat
20
menjadi faktor yang penting. Proyeksi dan peramalan diperlukan untuk memperkirakan keadaan atau situasi yang akan terjadi sehingga tindakan yang tepat dapat dilakukan (Makridakis, et.al. 1999).
Proyeksi digunakan untuk mengetahui besaran jumlah penduduk, kebutuhan dan ketersedian air, pangan, serta energi pada masa yang akan datang sampai tahun 2025. Proyeksi dan peramalan menggunakan alat bantu perangkat lunak Minitab dengan memperhitungkan nilai MAPE (Mean Absolute Percentage Error), MAD (Mean Absolute Deviation), dan MSD (Mean Squared Deviation) terkecil. Proyeksi dan peramalan dilakukan menggunakan alat bantu perangkat lunak komputer Minitab versi 15.
Ekstrapolasi
Pada metoda ini sangat bersandar pada data-data masa lampau dan kemudian memproyeksikannya ke masa yang akan datang. Teknik ekstrapolasi ini beranggapan bahwa faktor perubahan yang tercermin pada masa lampau akan memiliki pengaruh yang sama dan bersifat kontinyu di masa yang akan datang. Bila terjadi fluktuasi-fluktuasi seperti terjadi pada daerah yang sedang berkembang maka metoda ini kurang tepat.
Dalam matematika, ekstrapolasi adalah proses memperkirakan nilai suatu variabel melampaui interval pengamatan aslinya berdasarkan hubungannya dengan variabel lainnya. Ekstrapolasi itu mirip dengan interpolasi, yaitu menghasilkan perkiraan di antara hasil pengamatan yang diketahui, namun ekstrapolasi itu rentan terhadap ketakpastian yang lebih tinggi dan terhadap risiko yang lebih tinggi dalam menghasilkan hasil yang tidak bermakna. Ekstrapolasi dapat juga berarti memperluas metode, yaitu dengan mengasumsikan metode yang mirip dapat diaplikasikan. Ekstrapolasi juga dapat diterapkan pada pengalaman manusia untuk memproyeksikan atau memperluas wawasan dari pengalaman yang telah dialami ke dalam bidang yang tidak diketahui atau belum pernah dialami sebelumnya agar dapat mengetahui (biasanya bersifat dugaan) hal yang belum diketahui itu.
Proyeksi Jumlah Penduduk
Proyeksi jumlah penduduk menggunakan data yang telah dirilis oleh Badan Pusat Statistik. Badan Pusat Statistik telah membuat beberapa skenario proyeksi penduduk Indonesia (2000-2025) mulai yang paling rendah sampai yang paling tinggi dengan dasar hasil Sensus Penduduk 2000. Proyeksi ini dibuat dengan metode komponen berdasarkan asumsi tentang kecenderungan fertilitas, mortalitas, serta perpindahan penduduk antar provinsi yang paling mungkin terjadi 25 tahun yang akan datang. Untuk proyeksi penduduk daerah perkotaan dilakukan dengan metode Urban Rural Growth Difference (URGD), yaitu dengan menggunakan selisih pertumbuhan penduduk daerah perkotaan dan penduduk daerah perdesaan.
Menentukan asumsi merupakan kunci perhitungan proyeksi penduduk. Biasanya asumsi mengenai kecenderungan dari tingkat kelahiran, kematian, serta perpindahan penduduk ditentukan oleh kecenderungan yang terjadi di masa lalu dengan memperhatikan berbagai faktor yang mempengaruhi ketiga komponen laju pertumbuhan tersebut di atas. Informasi tersebut dianggap belum cukup, karena harus dilengkapi dengan pandangan para pakar dan para pengambil keputusan (decision maker) yang berwawasan luas ke masa yang akan datang mengenai masalah kependudukan. Masukan dari pertemuan pejabat tersebut di atas menjadi pegangan tim teknis BPS dalam menentukan asumsi yang dipakai dalam perhitungan proyeksi.
21
Proyeksi Kebutuhan Sumberdaya Air
Sumberdaya air terbagi menjadi dua kategori besar yakni air bawah tanah dan air permukaan. Air bawah tanah merupakan air yang berada di bawah permukaan tanah yang pemanfaatannya dilakukan dengan menggali atau mengebor lapisan tanah, air bawah tanah yang pengelolaannya di bawah Dinas ESDM. Air permukaan merupakan air yang berada di atas permukaan tanah yang pemanfaatannya dapat dilakukan secara langsung, yang termasuk air permukaan antara lain: sungai, danau atau situ, embung, waduk atau bendungan, dan bendung. Pengelolaan air permukaan di Jawa Barat dilakukan oleh Dinas PSDA.
Perhitungan pemanfaatan atau kebutuhan air untuk domestik dapat dilakukan sesuai rumus sebagai berikut (Standar Nasional Indonesia/SNI, 2002):
...(3) dimana :
Q (DMI) adalah kebutuhan air untuk kebutuhan domestik (m³/tahun) g(u) adalah konsumsi air pada daerah perkotaan (liter/kapita/hari) g(r) adalah konsumsi air daerah pedesaan (liter/kapita/hari) P(u) adalah jumlah penduduk kota
P(r) adalah jumlah penduduk pedesaan
Penggunaan air untuk keperluan domestik diperhitungkan dari jumlah penduduk di daerah perkotaan dan pedesaan yang terdapat di Daerah Aliran Sungai (DAS). Untuk penduduk perkotaan diperlukan 120L/hari/kapita, sedang penduduk pedesaan memerlukan 60L/hari/kapita (BSN, 2002).
Proyeksi Kebutuhan Pangan
Proyeksi kebutuhan pangan adalah penyusunan perkiraan besaran kebutuhan pangan khususnya padi atau beras Jawa Barat sampai tahun 2025. Penyusunan proyeksi kebutuhan pangan secara umum akan menghitung ketersediaan padi atau beras dan kebutuhan padi atau beras di Jawa Barat sampai tahun 2025.
Ketersediaan atau produksi padi akan dilakukan menggunakan perhitungan sesuai rumus sebagai berikut:
S(p) = LS x IP x Pr ...(4) dimana :
S(p) adalah ketersediaan padi untuk kebutuhan domestik (ton/tahun) LS adalah luas lahan sawah (hektar)
IP adalah indeks pertanaman (kali tanam/tahun) Pr adalah produktivitas padi (ton/hektar)
Kebutuhan atau konsumsi beras penduduk Jawa Barat akan dilakukan menggunakan perhitungan sesuai rumus sebagai berikut:
D(b) = P x (C x 0,001) ...(5) dimana :
D(b) adalah kebutuhan beras untuk domestik (ton/tahun) P adalah jumlah penduduk Jawa Barat (jiwa)
22
Penghitungan produksi padi yang dilakukan oleh BPS dilakukan dengan metode ubinan atau berdasarkan luas hamparan. Komponen losess atau persentase kehilangan padi dimasukkan dalam perhitungan produksi padi menjadi beras yang dihasilkan. Sehingga surplus beras di Jawa Barat dapat dihitung menggunakan rumus sebagai berikut:
Surplus = {[S(p) – S(p) x Los] x Ren} - D(b)...(6) dimana :
S(p) adalah ketersediaan padi untuk kebutuhan domestik (ton/tahun) D(b) adalah kebutuhan beras untuk domestik (ton/tahun)
Los adalah losess atau persentase kehilangan padi (persen) Ren adalah rendemen padi menjadi beras (persen)
Proyeksi Kebutuhan Energi
Hubungan antara konsumsi energi dan pertumbuhan ekonomi sudah dipahami keberadaanya, meskipun arah dari hubungan kausal ini masih kontroversial, apakah pertumbuhan ekonomi mendorong konsumsi energi atau sebaliknya bahwa konsumsi energi merupakan motor penggerak pertumbuhan ekonomi. Di Indonesia pertumbuhan ekonomi yang tinggi umumnya selalu disertai dengan pertumbuhan konsumsi energi yang tinggi juga. Jadi konsumsi energi sangat erat hubungannya dengan produk domestik bruto (PDB), sehingga dapat diperkirakan berapa besar kenaikan konsumsi yang diperlukan untuk mendapatkan tingkat output nasional tertentu (Bappenas, 2012). Pada penelitian ini proyeksi kebutuhan energi di Jawa Barat disajikan menggunakan hasil kajian yang telah dilakukan oleh Kementerian ESDM dalam bentuk Rencana Umum Keenergian Nasional yang akan dituangkan dalam Rencana Umum Energi Daerah Provinsi Jawa Barat.
Penentuan Asumsi Dalam Proyeksi
Menentukan asumsi merupakan kunci perhitungan atau penyusunan proyeksi. Biasanya asumsi mengenai kecenderungan terjadi di masa lalu dengan memperhatikan berbagai faktor yang mempengaruhinya. Namun begitu, informasi ini belum cukup, karena harus dilengkapi dengan kecenderungan yang mungkin terjadi di masa yang akan datang akibat pelaksanaan kebijakan pembangunan sektor terkait. Hal ini diwakili oleh pandangan dan kesepakatan para pakar, para penyusun kebijakan dan para pengambil keputusan. Masukan atau berbagai pendapat tersebut di atas menjadi pegangan dalam menentukan asumsi proyeksi.
23