Penelitian ini dilakukan pada hutan rakyat yang berada di Kabupaten Sukabumi yang menerapakan sistem agroforestri pada lahan tersebut. Berdasarkan hasil diskusi dengan pihak Dinas Kehutanan Kapubaten Sukabumi, Kecamatan Simpenan dan Cisolok dijadikan lokasi penelitian dikarenakan pengembangan hutan rakyat di wilayah tersebut sudah cukup baik. Kecamatan Simpenan mewakili lahan dengan kemiringan lebih dari 40 persen, sedangkan Cisolok mewakili lahan dengan kemiringan antara 15 – 25 persen (Lampiran 1). Pengambilan data di lapangan dilakukan pada bulan April - Mei 2013.
Jenis dan Sumber Data
Data yang dikumpulkan berupa data primer dan sekunder. Pengumpulan data primer diperoleh langsung dari petani responden (sampel) dengan teknik wawancara langsung dengan mengajukan sejumlah pertanyaan melalui daftar pertanyaan (kuesioner) yang telah disediakan. Sedangkan, data sekunder diperoleh dari data-data instansi terkait, seperti BPS, Dinas Kehutanan, Dinas Perkebunan, dan lembaga penelitian serta hasil penelitian terdahulu yang berkaitan dengan penelitian ini.
Gambar 4 Alur Kerangka Pemikiran Operasional Pengembangan hutan rakyat memiliki tujuan ekonomi
dan ekologi yang saling kontradiktif serta terdapat sumberdaya yang terbatas.
Pengelolaan hutan rakyat dengan memprioritaskan tujuan ekonomi
agar cepat memperoleh hasil
Pengelolaan hutan rakyat dengan memprioritaskan tujuan ekologi petani akan lama memperoleh hasil
Kecenderungan petani memprioritaskan tujuan ekonomi daripada tujuan ekologi
Pencapaian the best compromise solution terhadap alokasi sumberdaya hutan rakyat yang
dianalisis dengan pendekatan
multi-objective programming.
Akan diperoleh kombinasi yang the best compromise solution sehingga; - Pendapatan maksimal - Erosi menurun Alternatif rekomendasi penggunaan lahan agroforestri yang berkelanjutan
USLE untuk ukur tingkat erosi lahan
pada kawasan hutan rakyat. Analisis cash-flow menggunakan NPV dan analisis usahatani Dari sisi petani, terdapat
keputusan yang mereka ambil terhadap pengusahan hutan
rakyat berdasarkan tujuan ekonomi dan ekologinya. Menganalisis karakterisitk
sosialnya menggunakan regresi logistik Faktor-faktor yang mempengaruhi keputusan
petani terhadap tujuan
pengusahaan hutan rakyat. Analisis data secara aktual dan menjalankan beberapa
Metode Pengambilan Sampel
Unit analisis pada penelitian ini adalah kawasan hutan rakyat yang menjadi satu hamparan utuh, tidak terpencar-pencar. Populasi pada penelitian ini adalah petani yang melakukan usahatani di lahan yang termasuk kawasan hutan rakyat yang menjadi objek penelitian, dan sekaligus sebagai pemilik lahan. Pengambilan sampel dilakukan secara purposive sebanyak 38 orang petani responden dari dua kecamatan yang terpilih. Metode ini dipilih agar petani yang menjadi responden dapat memwakili keadaan yang sebenarnya.
Teknik Pengolahan dan Analisis Data Analisis Regresi Logistik
Analisis regresi logistik (logit) digunakan untuk mengidentifikasi faktor- faktor yang mempengaruhi petani dalam menentukan pilihan atau pengambilan keputusan terhadap pengusahaan hutan rakyat. Model logit dapat digunakan untuk menganalisis peluang seseorang memilih pilihan tertentu (Gasperz 1991).
Faktor-faktor yang digunakan dalam penelitian ini dikembangkan dari penelitian Irawan (2010), Musyoki et al (2013) dan Thoai et al (2010)
.
Faktor- faktor yang diperkirakan memiliki korelasi dalam pengambilan keputusan terhadap pengelolaan hutan rakyat dapat dilihat pada Tabel 5.Peluang petani dalam memilih alternatif tertentu dapat dinilai menggunakan model regresi logistik. Gasperz (1990) dan Geaghan (2005) menyatakan bahwa model regresi logistik merupakan salah satu model dalam analisis statistik yang digunakan untuk mencari fungsi hubungan dalam sebuah populasi data, dimana peubah terikatnya merupakan peubah kualitatif yang berbentuk kategoris (dikotomis/nominal/ordianl) dengan peubah bebas yang terdistribusi normal maupun tidak terdistribusi normal, yang dapat berupa peubah kontinu atau peubah kategoris atau kombinasi antara keduanya. Peubah terikat atau respon dalam regresi logistik merupakan kombinasi linear atau peubah bebas. Nilai peubah terikat selanjutnya akan ditransformasikan menjadi probabilitas dangan fungsi logit sehingga dapat digunakan untuk mengahasilkan nilai rasio peluang diterimanya suatu prediksi. Model regresi logistik dapat diformulasikan sebagai berikut:
dimana
Keterangan:
P(i) = Peluang petani memilih untuk mengusahakan hutan rakyat e = Bilangan natural (2,71828)
Zi = Pengusahaan hutan β0 = Intersep
βi = Koefisien regresi faktpr ke-i
Xi = Faktor ke-i (i=1,2,...,i)
Tabel 5 Faktor yang diduga memiliki korelasi dalam pengambilan keputusan petani terhadap pengelolaan hutan rakyat
No Peubah Batasan Operasional Satuan
Korelasi Yang Diharapkan 1 Umur
responden
Usia responden kepala keluarga tahun +/-
2 Tingkat pendidikan
Lamanya responden menempuh pendidikan formal
tahun +
3 Tanggungan keluarga
Jumlah anggota keluarga yang masih menjadi tanggungan kepala keluarga
orang -
4 Penguasaan sawah
Luas lahan responden yang diusahakan sebagai sawah
ha +
5 Penguasaan lahan kering
Total luas lahan kering responden baik lahan yang dimanfaatkan maupun tidak dimanfaatkan
ha +
6 Pengalaman beusahatani
Lamanya pengalaman usahatani petani responden
tahun +
7 Curahan tenaga kerja
Jumlah tenaga kerja dalam keluarga. Ukuran disetarakan dalam hari kerja pria (HKP) dengan konversi 1,00 untuk pria usi produktif, 0,7 HKP untuk wanita usia produktif dan 0,3 HKP untuk anak-anak
HKP _
8 Pendapatan non
pertanian
Pendapatan responden sebulan terakhir yang berasal dari luar sektor pertanian
Rp/bulan +
9 Sifat kosmopolit responden
Keterbukaan responden terhadap inovasi usahatani yang diukur dari jumlah keikutsertaan responden dala kegiatan penyuluhan dan pertemuan kelompok tani setahun terakhir terkait pengusahaan dan pengelolaan hutan rakyat/tanaman keras
Selanjutnya, untuk mengatasi jumlah responden yang tidak berimbang sehingga model tersebut dapat dianalisis faktor yang mempengaruhi keputusan petani dalam menentukan tujuan pengelolaan lahan, maka dilakukan bootstrap aggregatting sebanyak 1000 kali pada taraf nyata 5 persen. Bootstrap aggregatting atau bagging adalah metode untuk memperbaiki kekuatan prediksi dari beberapa penduga atau logaritma tertentu seperti regresi. Bagging regresi logistik cara kerjanya dengan mengambil n bagian contoh dari data asli secara acak dengan pengembalian A kali dan memodelkan regresi logistik untuk setiap bagian pada setiap B pengulangan (Breiman 1994). Berdasarkan hasil penelitian Kurniawan et al (2012), penggunaan model bagging regresi logistik biner dapat menaikkan ketepatan klasifikasi atau menurunkan kesalahan model regresi logistik. Dan semakin banyak perngulangan maka akan semakin besar ketepatan kalsifikasi yang diperoleh.
Model Alokasi Sumberdaya Hutan Rakyat
Untuk menganalisis alokasi sumberdaya kawasan hutan rakyat menggunakan pendekatan multi-objective programming. Penggunaan model
multi-objective programming adalah alat yang penting untuk mempelajari beragam aspek dari sistem manajemen (Sen dan Nandi 2012). Dengan analisis ini dicoba untuk memenuhi tujuan (paling tidak mendekati tujuan) yang telah ditentukan menurut skala prioritasnya masing-masing. Untuk dapat mengoperasikan suatu model optimalisasi, maka masalah optimalisasi yang akan dikaji perlu diidentifikasi menjadi beberapa variabel untuk pengambilan keputusan, yaitu variabel penyusunan fungsi tujuan, kendala dan aktivitas, dan ketersediaan sumberdaya yang digunakan.
Analisis optimalisasi dilakukan untuk mengetahui apakah sumberdaya yang dimiliki oleh petani sudah dialokasikan secara optimal, baik ditinjau dari segi ekologi dan sosial ekonomi. Ada beberapa tujuan yang ingin dicapai, maka analisis optimalisasi digunakan multi-objective programming, linear programming dengan tujuan ganda. Sasaran penelitian dengan menggunakan
multi-objective programming ini adalah memaksimumkan tingkat pendapatan petani dengan pola agroforestri dan meminimumkan tingkat erosi dengan memperhatikan kendala-kendala yang harus dipenuhi dalam upaya memenuhi kondisi ekologis dan aspek ekonomi. Model umum matematika dari multi- objective programming yang dikembangkan dari Bell (1976) dan dipakai dalam penelitian ini adalah sebagai berikut:
Fungsi Kendala
Kendala dalam model goal programming ada dua, yaitu kendala tujuan dan kendala fungsional. Kendala tujuan adalah kendala yang bertujuan untuk meminimumkan deviasi (penyimpangan) ketidaktercapian tujuan yang ditargetkan, sedangkan kendala fungsional adalah kendala yang menjadi pembatas dalam usaha pencapaian tujuan tersebut. Kendala tujuan dicirikan dengan dimilikinya sepasang variabel devisional (d) yang bertanda positif (d+) dan negatif (d-) yang di dalam model linear programming disebut slack dan surplus. Pada model ini ada tiga tujuan yang ingin dicapai, yaitu memaksimumkan pendapatan petani dan meminimumkan tingkat erosi. Kendala fungsional dalam model ini meliputi ketersediaan modal untuk pengelolaan agroforestri, tenaga kerja dan luas
lahan yang dialokasikan untuk usahatani agroforestri serta kendala nonnegative
dan kendala ketergantungan linear.
Kendala tujuan dalam penelitian ini dirumuskan sebagai berikut: 1. Tujuan memaksimumkan pendapatan petani
Keterangan:
Ri = Net present value keuntungan atau kerugian (Rp/ha/th) untuk jenis
tanaman kehutanan ke-i
Rj = Net present value keuntungan atau kerugian (Rp/ha/th) untuk jenis
tanaman pertanian ke-j
R = Biaya minimum petani selama satu tahun (Rp/th)
Xi = Luas lahan (ha) yang dialokasikan untuk jenis tanaman kehutanan ke-i
yang merupakan variabel ke-i
Xj+m = Luas lahan (ha) yang dialokasikan untuk jenis tanaman pertanian ke-j
yang merupakan variabel ke-j+m
d2- = Deviasi ketidaktercapaian target erosi sebagai tujuan pertama
d2+ = Deviasi kelebihan target erosi sebagai tujuan pertama
i = 1,2,3,...m J = 1,2,3,...n
Pencapaian target memaksimumkan pendapatan petani dalam analisis ini diharapkan minimal sama dengan biaya minimum setiap petani setiap tahunnya. 2. Tujuan meminimumkan tingkat erosi
Keterangan:
Ei = Tingkat erosi untuk jenis tanaman kehutanan ke-i (kg/ha/th)
Ej = Tingkat erosi untuk jenis tanaman pertanian ke-j (kg/ha/th)
Ed = Target tujuan meminimumkan erosi (kg/th) yang didapat dari
perkalian erosi yang diperbolehkan (kg/ha/th) dengan luas lahan yang tersedia
Xi = Luas lahan (ha) yang dialokasikan untuk jenis tanaman kehutanan ke-i
yang merupakan variabel ke-i
Xj+m = Luas lahan (ha) yang dialokasikan untuk jenis tanaman pertanian ke-j
yang merupakan variabel ke-j+m
d2- = Deviasi ketidaktercapaian target erosi sebagai tujuan kedua
d2+ = Deviasi kelebihan target erosi sebagai tujuan kedua
I = 1,2,3,...m J = 1,2,3,...n
Pencapaian terget meminimumkan tingkat erosi melalui analisis goal programming diharapkan sama atau lebih kecil dari target tujuan meminimumkan tingkat erosi.
3. Tujuan meningkatkan produktivitas tanaman
Keterangan:
Tj = Produktivitas jenis tanaman ke-j (kg/ha/th)
Gj = Target produktivitas jenis tanaman ke-j (kg/ha/th)
d3- = Deviasi ketidaktercapaian target produktivitas tanaman ke-j sebagai
tujuan ketiga
d3+ = Deviasi kelebihan target produktivitas tanaman ke-j sebagai tujuan
ketiga
Target pencapaian tujuan meningkatkan produksi tanaman pertanian dalam analisis goal programming minimal sama dengan produksi yang akan dicapai pada tahun 2013 untuk Kabupaten Sukabumi.
Kendala fungsional dalam model operasional penelitian ini dirumuskan sebagai berikut:
1. Kendala ketersediaan lahan
Keterangan;
Zi = Koefisien luas lahan untuk jenis tanaman kehutanan ke-i
Zj = Koefisien luas lahan untuk jenis tanaman pertanian ke-j
Z = Luas total lahan untuk pola agroforestri 2. Kendala ketersediaan tenaga kerja
Keterangan:
Ki = Kebutuhan tenaga kerja per hektar untuk produksi jenis tanaman
kehutanan ke-i (HOK/ha/th)
Kj = Kebutuhan tenaga kerja per hektar untuk produksi jenis tanaman
pertanian ke-j (HOK/ha/th)
K = Total ketersediaan tenaga kerja (HOK/th) 3. Kendala ketersediaan modal
Keterangan:
Ci = Jumlah modal yang dialokasikan untuk produksi jenis tanaman
kehutanan ke-i (Rp/ha/th)
Cj = Jumlah modal yang dialokasikan untuk produksi jenis tanaman pertanian
ke-j (Rp/ha/th)
C = Besar dana (anggaran) tahunan yang tersedia pada masyarakat untuk kegiatan usahatani (Rp/th)
Perhitungan ketersediaan modal tersedia dihitung berdasarkan jumlah modal yang dimiliki seluruh responden dalam satu tahun.
4. Kendala nonnegative
Kendala nonnegative pada model operasional penelitian ini dirumuskan sebagai berikut:
5. Kendala ketergantungan linear
Kendala ketergantungan linear pada penelitian ini dirumuskan sebagai berikut:
Fungsi Tujuan
Fungsi tujuan dalam model operasioanal penelitian ini dirumuskan sebagai berikut:
Keterangan:
P1,2 = Urutan prioritas dalam memaksimumkan pendapatan petani sebagai
tujuan pertama dan meminimumkan tingkat erosi sebagai tujuan kedua W1,2 = Urutan bobot dalam memaksimumkan pendapatan petani sebagai
tujuan pertama dan meminimumkan tingkat erosi sebagai tujuan kedua Analisis sensitivitas adalah analisis yang dilakukan setelah menyelesaikan penyelesaian optimal. Analisis ini berguna untuk mempelajari gerak fungsi tujuan dan konsekuensi keputusan jika terjadi perubahan dari satu atau beberapa keofisiensi model program linear. Model alternatif dibuat guna mengetahui seberapa besar pengaruh pemberian bobot kepentingan terhadap hasil solusi optimal. Dalam penelitian ini disusun tiga alternatif, yaitu skenario 1 dengan memberikan bobot prioritas yang sama untuk masing-masing tujuan, skenario 2 dengan memberikan bobot kepentingan ekonomi lebih besar dari kepentingan ekologi dan skenario 3 dengan memberikan bobot alternatif prioritas ekologi dibandingkan dengan ekonomi.
Analisis Produksi
Untuk mengetahui kuantitas produksi dari masing-masing komoditas selama jangka analisis, tentunya tidak pada semua tahun akan diperoleh data secara lengkap. Untuk mengatasi hal tersebut perlu digunakan metode peramalan yaitu metode trend kuadratik dengan menggunakan analisis regresi, bentuk umumnya sebagai berikut:
Keterangan:
Y = produksi tanaman perkebunan pada setiap tingkat umur tanaman yang diketahui (kg/Ha).
X = umur komoditas (tahun) a,b,c = koefesien regresi Biaya dan Pendapatan
Nilai uang yang akan diterima di masa yan akan datang akan lebih kecil dari nilai yang ada saat sekarang. Oleh karena itu, diperlukan konversi pendapatan yang akan diterima di masa yang akan datang dengan nilai sekarang dalam membandingkan hasil-hasil dari penanaman modal pada waktu-waktu yang berbeda. Cara untuk mengurangi pendapatan di masa yang akan datang hingga didapat nilai sekarang dinamakan discounting, adalah proses dimana pendapatan yang akan diterima di masa yang akan datang dihitung menjadi nilai sekarang dengan rumus umumnya:
Keterangan:
PV = nilai sekarang (present value)
FV = nilai yang akan datang (future value) i = tingkat suku bunga (%)
t = tahun ke-
Penetapan Koefisien Fungsi Tujuan
Koefisien fungsi tujuan diperoleh dari analisis keofisien input dan output dari aktivitas usahatani, atau ditentukan oleh besarnya pendaptan dari setiap macam tanaman yang diusahakan. Dalam hal ini koefisien fungsi tujuan pada komoditi tanaman adalah dengan menghitung net present value (NPV) yaitu selisih antara nilai sekarang dari penerimaan atau manfaat dengan nilai sekarang dari pengeluaran/biaya selam umur ekonomis usaha.
NPV dinyatakan dengan rumus:
Keterangan:
NPV = net present value n = umur ekonomis t = 1,2,3,..,n
Bt = penerimaan yang diperoleh pada setiap tingkat umur tanaman (Rp/ha) Ct = biaya yang dikeluarkan pada setiap tingkat umur tanaman (Rp/ha) i = tingkat suku bunga (%)
Pendugaan Nilai Erosi
Nilai erosi dalam penelitian ini diduga dengan menggunakan metode USLE (Universal Soil Loss Equation), dimana besarnya nilai erosi aktual dipengaruhi oleh indeks curah hujan atau erosivitas hujan (R), indeks kepekaan tanah terhadap erosi atau erodibilitas tanah (K), indeks panjang dan kemiringan lereng (LS), indeks penutupan oleh tanaman atau vegetasi (C) dan indeks tindakan pencegahan erosi atau konservasi (P), sehingga nilai erosi aktual dapat diduga dengan rumus: E = R x K x LS x C x P.
Nilai indeks erosivitas hujan (R) dihitung berdasarkan persamaan Utomo dan Mahmud (1984) di dalam Utomo (1989) dengan rumus: R = 10.80 + 4.15 CH. CH adalah jumlah hujan bulanan (cm). Nilai erodibilitas tanah (K) dihitung dengan persamaan:
Keterangan:
M = Ukuran partikel (% debu+ % pasir halus) a = Kandungan bahan organik
b = Klas struktur tanah c = Klas permeabilitas
Nilai indeks panjang dan kemiringan lereng (LS) dihitung dengan persamaan LS = 0.2s1.33+0.1, dimana s adalah panjang lereng. Sedangkan, nilai indeks vegetasi (C) dihitung berdasarkan faktor C yang merupakan hasil peneltian terdahulu terhadap tanaman pada lahan. Untuk indeks konservasi (P) juga merupakan hasil penelitian terdahulu yang telah dijasikan pedoman dalam perhitungan tingkat erosi suatu tanah di kemiringan tertentu berdasarkan sistem penanaman tanamannya.
Penetapan Aktivitas/Variabel
Aktivitas/variabel dalam penelitian ini merupakan aktivitas nyata dari kegiatan penanaman pada lahan kering di kawasan hutan rakyat di dua lokasi yang menjadi lokasi penelitian. Aktivitas tersebut terdiri dari 30 jenis tanaman yang diusahakan oleh petani kawasan tersebut, baik jenis tanaman kehutanan, tahunan, dan semusim. Aktivitas tersebut adalah dapat dilihat pada Tabel 6.
Tabel 6 Penetapan aktivitas/variabel penelitian
Jenis Tanaman Cara Penanaman Lokasi/Kemiringan Lahan (%) Var
Sengon Agroforestri 15-25 X1 Sengon Agroforestri >40 X2 Sengon Non-agroforestri >40 X3 Jabon Agroforestri 15-25 X4 Jabon Agroforestri >40 X5 Jati Agroforestri 15-25 X6 Jati Agroforestri >40 X7 Jati Non-agroforestri >40 X8 Mahoni Agroforestri 15-25 X9 Mahoni Agroforestri >40 X10 Mahoni Non-agroforestri >40 X11 Gmelina Agroforestri 15-25 X12 Gmelina Agroforestri >40 X13 Gmelina Non-agroforestri >40 X14 Tisuk Agroforestri 15-25 X15 Tisuk Agroforestri >40 X16 Mangga Agroforestri 15-25 X17 Mangga Agroforestri >40 X18 Petai Agroforestri 15-25 X19 Petai Agroforestri >40 X20 Kelapa Agroforestri 15-25 X21 Kelapa Agroforestri >40 X22 Durian Agroforestri 15-25 X23 Cengkeh Agroforestri 15-25 X24 Pisang Agroforestri 15-25 X25 Pisang Agroforestri >40 X26 Pepaya Agroforestri >40 X27
Padi gogo Agroforestri >40 X28
Rawit Agroforestri >40 X29
Jagung Agroforestri >40 X30
Sumber: Data primer 2013