EVALUASI METODE PENETAPAN
INDEK KERAWANAN PANGAN
RATNA DILA
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Evaluasi Metode Penetapan Indek Kerawanan pangan adalah benar karya saya dari arahan komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Mei 2015
ABSTRAK
RATNA DILA. Evaluasi Metode Penetapan Indek Kerawanan Pangan. Dibimbing oleh RIZALDI BOER.
Indek kerawanan pangan menggambarkan ketidakmampuan masyarakat, rumah tangga atau individu untuk mencukupi kebutuhan pangan minimum yang terjadi secara terus menerus (cronic) atau sementara (transient). Banyak metode yang digunakan dalam menetapkan indek kerawanan. Penelitian ini bertujuan untuk mengevaluasi dua metode penetapan indek kerawanan pangan yang digunakan di Indonesia. Indek kerawanan pangan disusun dengan menggunakan beberapa indikator yang merepresentasikan kerawanan pangan kronis yaitu ketersedian pangan, akses pangan dan pemanfaatan pangan dan kerawanan pangan sementara yaitu kejadian banjir, kekeringan dan kerugian produksi padi dan palawija. Penyusunan indek dilakukan dengan menggunakan metode principal component analysis (PCA) dan persentil. Untuk metode persentil, setiap indikator memiliki nilai bobot. Nilai bobot ditetapkan dengan dua pendekatan, yaitu berdasarkan persentase sumbangan keragaman nilai komponen utama yang dihasilkan dari analisis PCA dan penilaian subjektif tingkat keeratan hubungan antara indikator dengan expert judgement. Selanjutnya tingkat kerawanan pangan ditentukan berdasarkan nilai indek. Indek yang dihitung dengan metode PCA, penetapan tingkat kerawanan berdasarkan analisis gerombol sedangkan yang dihitung dengan metode persentil menggunakan sistem kuadran. Tingkat kerentanan ditetapkan sebanyak enam kelas. Kelas 1 menunjukkan tingkat kerawanan paling rendah sedangkan kelas 6 menunjukkan tingkat kerawanan paling tinggi. Hasil analisis menunjukkan, pengelompokkan kabupaten di NTT menurut tingkat kerawanannya yang menggunakan metode PCA relatif berbeda dengan yang menggunakan persentil. Namun demikian, pengelompokkan kabupaten yang menggunakan metode persentil dengan teknik pembobotan PCA hasilnya relatif sama dengan yang menggunakan teknik pembobotan penilaian pakar. Berdasarkan kriteria simpangan baku terkecil, metode persentil dengan teknik pembobotan PCA memberikan hasil paling baik yaitu dengan simpangan baku 0.12, diikuti metode persentil dengan pembobotan menurut penilaian pakar yaitu 0.15 dan metode PCA 1.54.
ABSTRACT
RATNA DILA. Evaluation of Methods for Determining Food Insecurity Index. Supervised by RIZALDI BOER.
Food Insecurity index indicates the inability of the community, household or individual to meet their sufficient food that occur continously (chronic) or temporary (transient). Many methods are used in determining the food insecurity index. This study aims to evaluate three methods for determination of food insecurity index being used in Indonesia. Food insecurity index were defined using several indicators representing chronic food insecurity, namely food availability, food access and food utilization. While the ones representing transient food insecurity are incidence of flood, drought and lossess of rice and palawija production. The methods used for developing the index are principal component analysis (PCA) and percentile. For the percentile method, the calculation of the index based on indicators that use weight. The weight values were defined using two approaches, namely based on contribution of the variance of the principle component values generated from PCA analysis and subjective assessment on relationship between indicators and food insecurity. Furthermore, the level of food insecurity is determined based on the value of index. Determination of the level of food insecurity based on index calculated using PCA method was performed using cluster analysis, and the one with percentile method using the quadrant method. The level of vulnerability divided into six classes. Class 1 indicates the lowest level of food insecurity while class 6 indicates the highest level of food insecurity. The analysis shows that the grouping of districts in the province according to the level of food insecurity that used PCA method is relatively different from those using the percentile method. However, the grouping of districts using the percentile method with weighting techniques of PCA was relatively similar to that using weighting techniques of the expert judgement. Using criteria of the smallest standard deviation, percentile method with PCA weighting techniques gives best results with a standard deviation of 0.12, followed by the percentile method with expert judgment weighting techniques (0.15) and the PCA method (1.54).
EVALUASI METODE PENETAPAN
INDEK KERAWANAN PANGAN
RATNA DILA
Skripsi
Sebagai salah satu syarat untuk memeperoleh gelar Sarjana Sains
Pada
Departemen Geofisika dan Meteorologi
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah SWT atas karuniaNya sehingga penulis mampu menyelesaikan karya ilmiah yang merupakan syarat untuk memperoleh gelar Sarjana Sains pada program studi Meteorologi Terapan dengan judul : Evaluasi Metode Penetapan Tingkat Kerawanan Pangan Kabupaten di Nusa Tenggara Timur.
Terima kasih juga tidak lupa penulis ucapkan kepada semua pihak yang telah membantu penulis dalam menyelesaikan karya ilmiah ini, antara lain :
1. Ayahanda Syofyan dan Ibunda Emi Sofia serta kakak dan adik yang senantiasa memberikan semangat dan dukungan kepada penulis.
2. Prof Rizaldi Boer selaku pembimbing yang telah memberikan ilmu dan arahan kepada penulis dalam penyusunan karya ilmiah ini.
3. Ibu Rini Hidayati, Bapak Perdinan, Bapak Bregas Budianto dan Bapak Ahmad Faqih yang telah memberikan arahan dan semangat kepada penulis.
4. Seluruh tim CCROM-SEAP, Ibu Puspita Damayanti, Kak Fitriyani, Kak Adi Rahman, Kak Syamsu Dwi Djatmiko, Kak Andria, Kak Gito Immanuel, Bang Anter Parulian, Kak Gladys Siti H, Kak Beti, Kak Prima Yustitia N, Kak Wari Kartika, Kak Sisi Febriyanti, Mirnawati Zulaikha dan Mas Nandang.
5. Staf dan pegawai Departemen Geofisika dan Meteorologi yang telah banyak membantu penulis.
6. Taufik Yuliawan, Ferdy Aprihatmoko, Dody Setiawan, Akfia Rizka Kumala, Citra Pratiwi, Ernawati Apriani, Sarah Purnamawari, Fennyka Pratami Puteri, Nunu Syam, Nurul Mujdalifah, Zahrifa Annisa, Nia Trikusuma, Ranityasari serta teman-teman GFM 45 yang telah banyak membantu penulis dalam menyelesaikan karya ilmiah ini.
7. Semua pihak yang telah membantu penulis dalam pelaksanaan penelitian dan penyusunan karya ilmiah ini yang tidak dapat penulis sebutkan satu per satu.
Penulis menyadari bahwa karya ilmiah ini masih jauh dari kesempurnaan. Oleh karena itu, saran dan kritik yang membangun sangat penulis harapkan. Akhir kata, semoga karya ilmiah ini bermanfaat bagi banyak pihak.
Bogor, Mei 2015
DAFTAR ISI
DAFTAR TABEL vii
DAFTAR GAMBAR viii
DAFTAR LAMPIRAN ix
PENDAHULUAN 1
Latar Belakang 1
Tujuan 1
TINJAUAN PUSTAKA 2
Kondisi Umum Wilayah Nusa Tenggara Timur (NTT) 2
Kerawanan Pangan 2
Principal Component Analysis (PCA) dan Cluster Analysis 4
Persentil 5
METODE 6
Bahan 6
Alat 7
Prosedur Analisis Data 7
HASIL DAN PEMBAHASAN 11
Kerawanan Pangan Kronis (CFI) 11
Ketersediaan Pangan 11
Akses Pangan 12
Pemanfaatan Pangan 15
Kerawanan Pangan Sementara (TFI) 19
Pemetaan Kerawanan Pangan 21
SIMPULAN DAN SARAN 25
Saran 25
DAFTAR PUSTAKA 28
LAMPIRAN 31
RIWAYAT HIDUP 37
DAFTAR TABEL
1 Proporsi rumah tangga (RT) rawan pangan tertinggi dan terendah 4
2 Indikator kerawanan pangan 6
3 Rasio konsumsi normatif per kapita 12
4 Pembagian Cluster CFI 21
5 Pembagian Cluster TFI 22
6 Nilai cluster centroid CFI dan TFI 22 7 Pembobotan indikator CFI dan TFI dari metode PCA 24
8 Pembobotan indikator CFI dan TFI 25
9 Perbandingan nilai indek kerawanan 27
DAFTAR GAMBAR
1 Diagram analisis data 7 2 Sistem kuadran kerawanan pangan 9
3 Persentase penduduk miskin 13
4 Persentase jalan yang tidak dilalui kendaraan roda 4 14 5 Persentase RT tanpa akses listrik 15 6 Persentase wanita buta huruf 16
7 Angka harapan hidup 17
8 Persentase RT tanpa akses sumber air minum 18 9 Persentase bayi lahir berat badan rendah 19 10 Peluang kejadian kekeringan dan banjir 20 11 Kerugian tanaman padi dan palawija 20 12 Peta kerentanan terhadap kerawanan pangan NTT dengan cluster centroid 23 PCA
13 Peta kerentanan terhadap kerawanan pangan di NTT dengan pembobotan 25 dari metode PCA
DAFTAR LAMPIRAN
1 Produksi pangan NTT 2011 31
1
PENDAHULUAN
Latar Belakang
Dewan Ketahanan Pangan (DKP) dan World Food Programme (WFP) pada tahun 2005 melakukan pemetaan wilayah rawan pangan dan gizi kronis sampai tingkat kabupaten. Hasil pemetaan menunjukkan bahwa 100 dari 265 kabupaten di Indonesia tergolong rawan pangan. Salim et al (2001) menyebutkan bahwa di beberapa propinsi masih terdapat rumah tangga rawan pangan dengan proporsi tinggi. Rawan pangan terjadi akibat ketidakmampuan dalam mencukupi kebutuhan pangan (Ariani et al 2008).
Nusa Tenggara Timur (NTT) merupakan salah satu provinsi dengan tingkat kerawanan pangan paling tinggi. Beberapa indikator yang digunakan untuk menunjukkan tingkat kerawanan pangan ialah ketersediaan pangan, akses pangan dan pemanfaatan pangan. Ketersediaan pangan pada tingkat provinsi cukup memadai akan tetapi masih terdapat beberapa wilayah yang mengalami kekurangan pangan. Akses pangan berhubungan dengan tingkat kemiskinan. Tingginya tingkat kemiskinan menentukan kemampuan akses terhadap pangan. Pada saat ini terdapat 12 kabupaten yang memiliki tingkat kemiskinan lebih tinggi dari rata-rata provinsi. Kemiskinan yang tinggi juga membuat hampir sebanyak 60% rumah tangga di NTT tidak memiliki akses listrik. Akses jalan yang tidak dapat dilalui kendaraan roda empat juga tinggi sehingga pendistribusian pangan tidak dapat mencapai sasaran. Indikator pemanfaatan pangan menggambarkan pola konsumsi pangan dan status kesehatan gizi. Angka perempuan buta huruf di NTT pada tahun 2008 berada diatas rata-rata provinsi, dimana terdapat 5 kabupaten yang memiliki jumlah perempuan buta huruf diatas 20%. Oleh sebab itu, status pendidikan perempuan dirumah tangga menjadi penentu salah satu kerawanan pangan.
DKP dan WFP telah menyusun indek kerawanan pangan tingkat kabupaten di Indonesia berdasarkan data indikator ketersediaan pangan, akses pangan dan pemanfaatan pangan. Metode yang digunakan ialah PCA (principal component analysis). Nilai PC yang dihasilkan digunakan sebagai indek yang menggambarkan tingkat kerawanan. Metode lain juga banyak tersedia diantaranya metode persentil, yaitu metode yang menggunakan data persentil dari indikator yang digunakan dan kemudian dibuat nilai indeknya dengan memberikan nilai bobot terhadap indikator sesuai dengan derajat kepentingannya dalam menjelaskan kerawana pangan (Boer dan Rakhman 2015). Penggunaan metode yang berbeda bisa saja memberikan hasil indek kerawanan pangan yang berbeda. Hal ini akan mempengaruhi interpretasi. Oleh karena itu, evaluasi terhadap metode penetapan indek kerawanan pangan sangat diperlukan untuk mengetahui efektivitas metode.
Tujuan
TINJAUAN PUSTAKA
Kondisi Umum Wilayah Nusa Tenggara Timur
Nusa Tenggara Timur (NTT) terletak antara 8°-12° LS dan 118°-125° BT dan berbatasan dengan Laut Flores di sebelah utara, sebelah selatan berbatasan dengan Samudera Hindia, sebelah Timur dengan negara Timor Leste dan Nusa Tenggara Barat di sebalah barat.
NTT memiliki iklim semi arid dengan suhu udara rata-rata berkisar antara 24°C - 34°C, dengan musim kemarau yang panjang antara 7-8 bulan (April-Oktober), dan musim hujan yang pendek antara 4-5 bulan (Nopember-Maret) sehingga menjadikan NTT sebagai propinsi terkering se-Nusantara, kecuali wilayah Flores bagian barat dan Sumba bagian barat, yang memiliki curah hujan yang tinggi. Wilayah NTT umumnya memiliki curah hujan yang sangat variatif antara 800 mm per tahun (terendah) dan 3000 mm per tahun (tertinggi) dengan rata-rata curah hujan 1000 mm per tahun.
Topografi wilayah NTT sebagian besar (70%) berbukit-bukit dan bergunung-gunung. Kondisi fisik tanah yang sangat sensitif, tandus dan kering serta mudah longsor dengan kedalaman top-soil yang relatif tipis menempatkan NTT pada posisi yang tidak menguntungkan. Apalagi diperparah oleh El Nino dan La Nina serta serangan hama penyakit dan bencana alam lainnya yang terjadi hampir setiap tahun (Ofond 2007).
Setiap kabupaten di NTT memiliki perbedaan kondisi fisik lahan yang bervariasi dalam topografi, kelerengan, kesuburan tanah dan pasang surut air sungai sehingga pemanfaatan lahan di masing-masing kabupaten berlainan. Sebagian besar wilayah NTT adalah kawasan hutan dan sisanya berupa lahan pertanian, perkebunan, kebun, dll. Lahan sawah sebagian besar terdapat di daerah pesisir pantai utara dan pesisir sungai yang merupakan sawah tadah hujan dan sawah pasang surut. Sementara itu, pertanian lahan kering meliputi dataran rendah dan daerah lereng di kaki gunung. Luas wilayah daratan berpotensi tanah kering seluas 1.528.258 ha dengan lahan fungsional seluas 689.112 ha (45%).
NTT digolongkan sebagai sebagai propinsi termiskin di Indonesia, dengan salah satu indikator adalah tingkat kemampuan konsumsi pangan. Ketahanan pangan NTT dari tahun ke tahun menunjukkan kondisi tidak aman, dilihat dari perubahan pola konsumsi dari jagung sebagai makanan pokok ke beras sebagai makanan idola yang bergengsi. Selain itu, 89% penduduk NTT yang bermatapencaharian sebagai petani dimana 79% diantaranya adalah petani lahan kering menggantungkan hidupnya terutama pada kondisi alam dengan tanah dan iklim sebagai penentu utama. Kondisi alam NTT yang tidak menguntungkan telah menempatkan NTT pada kondisi rentan terhadap kekurangan pangan Nurfitriani 2012).
Kerawanan Pangan
3
tertentu (kronis) dan dapat pula terjadi akibat keadaan darurat (transien) (DKP 2006).
Kerawanan pangan kronis/chronic food insecurity (CFI) adalah ketidakmampuan jangka panjang atau terus menerus untuk memenuhi kebutuhan pangan minimum. Biasanya dipengaruhi oleh faktor struktural, yang tidak dapat berubah dengan cepat seperti iklim setempat, jenis tanah, sistem pemerintahan daerah, kepemilikan lahan, hubungan antar etnis, tingkat pendidikan, dll. Kerawanan pangan kronis terdiri dari indikator ketersediaan pangan, akses pangan dan pemanfaatan pangan.
Ketersediaan pangan
Ketersediaan pangan adalah tersedianya pangan secara fisik disuatu wilayah yang berasal dari semua sumber, baik produksi pangan domestik, perdagangan maupun bantuan pangan. Produksi pangan bergantung pada faktor ikli, jenis tanah, curah hujan, irigasi, komponen produksi pertanuan yang digunakan, dll.
Akses pangan
Akses pangan adalah cara atau kemampuan rumah tangga atau individu untu memperoleh pangan. Perolehan pangan bisa berasal dari produksi sendiri, barter, pembelian, pinjaman maupun bantuan pangan. Akses tergantung pada pendapatan individu dan pendistribusiannya dalam rumah tangga.
Pemanfaatan pangan
Pemanfaatan pangan merupakan cara menggunakan atau memanfaatkan pangan yang tergantung pada faktor seperti kualitas pangan dan cara persiapannya, fasilitas penyimpanan dan pengetahuan gizi serta status kesehatan individu dalam mengkonsumsi pangan (International Federation of Red Cross 2007).
Sedangkan Kerawanan pangan sementara/transient food insecurity (TFI) adalah ketidakmampuan jangka pendek atau sementara untuk memenuhi kebutuhan pangan minimum yang dipengaruhi oleh faktor dinamis yang berubah dengan cepat seperti penyakit infeksi, bencana alam, pengungsian, berubahnya fungsi pasar, tingkat besarnya hutang, perpindahan penduduk (migrasi) dll. Kerawanan pangan sementara yang terjadi secara terus menerus dapat menyebabkan menurunnya kualitas penghidupan rumah tangga, menurunnya daya tahan, dan bahkan bisa berubah menjadi kerawanan pangan kronis (WFP dan DKP 2010).
Kerawanan merujuk pada risiko di level rumah tangga atau masyarakat yang dapat mengancam kehidupan dan mata pencaharian. Kerawanan rumah tangga ditentukan oleh kemampuan mengatasi risiko dan kejadian seperti kekeringan, banjir, kebijakan pemerintah, konflik, dll. Kerawanan pangan di level rumah tangga terjadi pada waktu tertentu dan berkaitan secara langsung dengan komposisi, aset dan komunitas yang termasuk ke dalamnya.
akibat terbatasnya pendapatan dari off farm. Walaupun demikian, permasalahan yang sering muncul adalah karena terbatasnya pendapatan masyarakat.
Tabel 1 Proporsi Rumah Tangga (RT) rawan Pangan Tertinggi dan Terendah Menurut Propinsi 2005
Proporsi RT Rawan Pangan Tertinggi
Sumber : BPS, Susenas 2005
Karakteristik rumah tangga rawan pangan adalah :
a. Umur kepala keluarga (KK) maupun istri pada rumah tangga rawan pangan maupun agregat merupakan umur produktif, dimana umur istri lebih rendah daripada umur KK
b. Pendidikan kepala keluarga dan istri pada rumah tangga rawan pangan lebih rendah daripada agregat dan pendidikan istri lebih rendah daripada KK
c. Jumlah angota rumah tangga rumah tangga rawan pangan lebih tinggi daripada agregat
Principal Component Analysis (PCA) dan Cluster Analysis
Analisis komponen utama (PCA) merupakan teknik statistik yang dapat digunakan untuk menjelaskan struktur variansi-kovariansi dari sekumpulan variabel melalui beberapa variabel baru dimana variabel baru ini dinamakan komponen utama. Menurut Joliffe (2002) dalam Azizah, Loekito dan Solimun, PCA dapat mengurangi dimensi dari suatu data namun tetap mempertahankan karakteristik dari kumpulan data tersebut. Misalkan dari p buah variabel awal terbentuk k buah faktor/komponen dimana k<p sehingga k buah faktor/komponen utama dapat mewakili p buah variabel aslinya menjadi lebih sederhana (Hardika, Sebayang dan Sembiring 2013). Kriteria pemilihan k yaitu :
Proporsi kumulatif keragaman data asal yang dijelaskan oleh k komponen utama minimal 80% dan proporsi total variansi populasi bernilai cukup besar
Dengan menggunakan scree plot, pemilihan nilai k berdasarkan scree plot ditentukan dengan melihat letak terjadinya belokan dengan menghapus komponen utama yang menghasilkan nilai eigen kecil membentuk pola garis lurus (Johnson 2002).
5
Keterangan :
Xi = variabel ke- i yang dibakukan (rata-rata = 0, standar deviasi = 0) Bi = koefisien regresi parsial yang dibakukan pada common factor ke j Fj = common factor ke j
Vi = koefisien regresi yang dibakukan pada faktor yang unik ke i µi = faktor unil variabel ke i
m = banyaknya common factor
Common factor dapat dinyatakan sebagai kombinasi linier dari variabel-variabel yang diamati, yaitu :
Analisis cluster merupakan suatu metodologi yang bertujuan untuk mengelompokkan objek ke dalam kelompok-kelompok berdasarkan kesamaan karakteristik tertentu (Sharma 1996 dalam Azizah, Loekito dan Solimun). Langkah pengelompokan dalam analisis cluster mencakup tiga hal yaitu mengukur kesamaan jarak, membentuk cluster secara hirarkis dan menentukan jumlah cluster. Ciri-ciri suatu cluster yang baik yaitu mempunyai :
Homogenitas internal (within cluster), yaitu kesamaan antara anggota dalam satu cluster
Heterogenitas (between cluster), yaitu perbedaan antara cluster yang satu dengan cluster yang lain.
Analisis cluster terdiri dari : 1. Cluster hirarkis
Cluster ini mengelompokkan dua atau lebih obyek yang mempunyai kesamaan yang paling dekat. Kemudian diteruskan pada obyek yang lain dan seterusnya hingga cluster akan membentuk semacam pohon dimana terdapat tingkatan (hirarki) yang jelas antar obyek, dari yang paling mirip hingga yang paling tidak mirip. Alat yang membantu untuk memperjelas proses hirarki ini disebut dendogram. Jarak yang digunakan dalam analisis ini adalah euclidien. Jarak euclidien merupakan salah satu konsep jarak yang sering dipilih dalam analisi cluster dengan rumusan sebagai berikut (Johnson dan Wichen 2007) :
d(x,y) = [(x1-y1)2 + (x2-y2)2 + ... + (xp-yp)2]1/2
2. Cluster non-hirarkis
Cluster ini menentukan terlebih dahulu jumlah cluster yang diinginkan (dua, tiga, atau yang lain). Setelah jumlah cluster ditentukan, maka proses cluster dilakukan dengan tanpa mengikuti proses hirarki. Metode ini biasa disebut K-Means Cluster.
Persentil
sebaik-baiknya yang berasal dari data yang minimal (Fauzy 2000). Persentil membagi data menjadi 100 bagian yang sama besar. Melalui persenti, seseorang dapat membagi distribusi data yang dimilikinya ke dalam jumlah-jumlah kategori yang dikehendakinya. Hal ini akan berfungsi sebagai kelipatan yang digunakan untuk menentukan dasar pembuatan kategori.
METODE
BahanBahan yang digunakan dalam penelitian ini adalah data yang diperoleh dari Badan Pusat Statistik (BPS) kabupaten NTT, Dinas Kesehatan kabupaten NTT, dan situs data dan bencana Indonesia (DIBI) (http://dibi.bnpb.go.id) untuk tahun 2011. Data tersebut dijadikan sebagai indikator-indikator yang menggambarkan kondisi tersedianya pasokan pangan, akses masyarakat terhadap pangan dan pemanfaatan pangan.
Tabel 2 Indikator Kerawanan Pangan
Kerawanan Pangan Kronis/Chronic Food Insecurity (CFI)
Kerawanan Pangan Sementara/ Transient Food Insecurity (TFI) Ketersediaan Pangan
Rasio konsumsi normatif per kapita terhadap ketersediaan pangan dari beras, jagung, ubi
Persentase perempuan buta huruf Kerugian produksi tanaman padi
7
Alat
Alat yang digunakan dalam penelitian ini yaitu seperangkat komputer, Ms Office dan Excel, Arc View 3.3 GIS, dan Minitab.
Prosedur Analisis Data
Gambar 1 Diagram analisis data
Indikator CFI Indikator TFI
PCA dan Cluster
Analysis Persentil
Keragaman PC
Penilaian pakar
Menentukan skor masing-masing
indikator
Indeks CFI dan TFI (indikator dikalikan
dengan bobot) Indeks CFI dan TFI
Principal Component Analysis (PCA) dan Cluster Analysis
Principal Component Analysis (PCA) dapat menyederhanakan dimensi data yang mempunyai keterkaitan antar variabel (inter-korelasi) menjadi data baru. Data baru ini mewakili keragaman data yang sebelumnya dan tidak saling berkorelasi. Kemampuan masing-masing komponen utama (PC) dalam menjelaskan pengaruh keragaman data ditunjukkan oleh rasio nilai eigenvalue masing-masing indikator terhadap nilai total eigenvalue (dalam persen). PC merupakan kombinasi linear dari variabel X1,X2,X3,...Xp (variabel ini adalah 8
indikator dari CFI dan 5 indikator dari TFI). Persamaan PCA yaitu sebagai berikut :
PC1 = a(1)1X1 + a(1)2X2 + ... + a(1)pXp ...
PCi = a(i)1X1 + a(i)2X2 + ... + a(i)pXp
Setelah komponen utama (PC) diperoleh, kemudian dilakukan pengelompokkan kabupaten-kabupaten berdasarkan cluster analysis. Cluster analysis dilakukan dengan memilih PC yang dapat menerangkan keragaman data 80% yang ditunjukkan oleh cumulative dalam eigen analysis of the covarian matrix. Penelitian ini menggunakan 5 PC untuk CFI dan 2 PC untuk TFI. Selanjutnya dilakukan penentuan indek CFI dan TFI, dilihat dari nilai cluster centroid pada PC1. Nilai cluster centroid yang paling tinggi menunjukkan cluster/kelompok yang paling rawan pangan, dan sebaliknya (WFP dan DKP 2010). Indek CFI dan TFI kemudian dikurangi dengan nilai anomalinya, yang merupakan nilai rata-rata dari indek tersebut.
Metode Persentil
Metode persentil ditentukan dari nilai bobot yang dianggap paling berpengaruh terhadap kerawanan pangan. Terlebih dahulu tentukan nilai persentil 0.1 sampai persentil 0.9. Kemudian dihitung skor dari tiap indikator tersebut. Perhitungan nilai skor sebagai berikut (Boer et al., 2014) :
Skor 0.1 = data < 10thP
Keterangan : P = nilai persentil
9
indeks CFI dan TFI. Bobot ditentukan dengan dua pendekatan, yaitu berdasarkan keragaman nilai komponen utama yang dihasilkan dari analisis PCA dan penilaian pakar (expert judgement). Penilaian pakar didasarkan pada pengetahuan tentang besar pengaruh indikator terhadap kerawanan pangan. semakin besar pengaruhnya terhadap kerawanan pangan, maka bobot yang diberikan juga semakin besar, dan sebaliknya (GAP CC-Asean 2012). Pada pendekatan yang menggunakan nilai sumbangan keragaman PCA, nilai bobot untuk setiap indikator ditetapkan setelah dilakukan terlebih dahulu analisis korelasi antara nilai PC1-Pci dengan peubah asal indikator. Selanjtnya matrik korelasi ini dirotasi dengan metode Varimax. Dari analisis akan diperoleh indikator yang paling dominan dalam menjelaskan keragaman nilai PC. Apabilai nilai PC1 memiliki korelasi paling tinggi dengan indikator X2 misalnya, maka dikatakan indikator X2 merupakan indikator yang
paling dominan dalam menjelaskan keragaman PC1, dengan demikian bobot dari indikator X2 ialah persen kontribusi PC1 terhadap total keragaman dari semua PC.
Persamaan untuk menghitung indeks CFI dan TFI berdasarkan formula berikut :
Y = aX1 + bX2 + cX3 + ... + zXn Keterangan :
Y = Total skor (indeks CFI dan TFI) X = Skor indikator ke 1, 2, ...n
a, b, c,...z = bobot dari masing-masing indikator
Penentuan Indeks Kerawanan Pangan
Penentuan indeks kerawanan pangan berdasarkan sistem kuadaran, yang terdiri dari 6 kuadaran. Kuadran pertama menunjukkan tingkat kerawanan yang paling rendah sedangkan kuadran 6 menunjukkan daerah yang paling rawan pangan. Kuadran penentuan tingkat kerawanan adalah sebagai berikut (Boer et al., 2013) :
Keterangan :
Kuadran 1 : Indek CFI rendah dan indek TFI rendah (CFI≤0, TFI≤0)
Kuadran 2 : Indek CFI dan TFI rendah, tetapi indek CFI lebih kecil dari indek TFI
(CFI≤0, TFI≤0, CFI≤TFI)
Kuadran 3 : Indek CFI dan TFI rendah, tetapi indek CFI lebih besar dari TFI
(CFI≤0, TFI≤0, CFI>TFI)
Kuadran 4 : Indek CFI dan TFI tinggi, akan tetapi indek CFI lebih kecil dari indek TFI (CFI>0, TFI>0, CFI≤TFI)
Kuadran 5 : Indek CFI dan TFI tinggi, akan tetapi indek CFI lebih besar dari TFI (CFI>0, TFI>0, CFI>TFI)
Kuadran 6 : Indek CFI dan TFI tinggi (CFI>0, TFI>0)
Penilaian efektifitas metode diatas dalam mengelompokkan tingkat kerawanan pangan kabupaten NTT dilakukan dengan menggunakan analisis simpangan baku terhadap nilai indikator dari setiap kelompok kabupaten yang dihasilkan (kelompok 1, 2, ..., 6). Metode yang memberikan rata-rata simpangan baku terkecil merupakan metode yang paling efektif.
Rasio Konsumsi Normatif Per kapita
Rasio konsumsi normatif menunjukkan kecukupan pangan suatu wilayah. Perhitungan dilakukan dengan menggunakan data produksi bersih rata-rata produksi padi, jagung, ubi kayu dan ubi jalar. Produksi padi dikonversi menjadi beras yaitu dikalikan dengan 0.63 (WFP dan DKP 2010). Untuk produksi ubi kayu dan ubi jalar agar setara dengan beras maka dikalikan dengan 1/3.
Ketersediaan pangan per kapita dihitung dengan :
Dimana, F = ketersediaan pangan per kapita
Berdasarkan profil konsumsi Indonesia, konsumsi normatif pangan/kapita/hari adalah 0.3 kg (300 gram) sehingga rasio konsumsi normatif per kapita dapat dihitung sebagai berikut :
Dimana, Z = rasio konsumsi normatif per kapita per hari
Keterangan nilai kisaran Z dan kriterianya :
11
0.75 – 1.00 = surplus rendah 0.50 – 0.75 = surplus sedang < 0.50 = surplus tinggi
Konsumsi normatif merupakan ∑ pangan serealia yang harus dikonsumsi oleh seseorang untuk memperoleh 50% keperluan energi harinya dari serealia (Suhartono 2010). Jika nilai ‘Z’ lebih dari 1, maka daerah tersebut defisit pangan atau kebutuhan konsumsi normatif tidak bisa dipenuhi dari produksi bersih serealia (beras dan jagung) dan umbi-umbian. Dan jika nilai ‘Z’ kurang dari 1, maka menunjukkan kondisi surplus pangan serealia di daerah tersebut.
Kerugian tanaman padi dan palawija
Perhitungan kerugian tanaman padi dan palawija menggunakan data tahun 2009, 2010 dan 2011 dengan rumus :
Kerugian = luas kerusakan (ha) x hasil rata-rata (ton/ha) x harga komoditas (Rp/kg)
HASIL DAN PEMBAHASAN
Kerawanan Pangan Kronis (CFI)Kerawanan pangan kronis (CFI) terdiri dari indikator ketersediaan pangan, akses pangan dan pemanfaatan pangan.
Ketersediaan Pangan
Rasio Konsumsi Normatif Per Kapita Terhadap Produksi Pangan
Rasio ini menunjukkan suatu wilayah mengalami surplus produksi pangan atau defisit pangan. Rasio konsumsi normatif perkapita terhadap produksi pangan di NTT ditunjukkan oleh tabel 3. Kota Kupang mengalami defisit produksi pangan terbesar, dengan rasio konsumsi normatif per kapita sebesar 24.273. Sabu Raijua sebesar 2.566 dan Ende sebesar 1.123. Sedangkan wilayah yang mengalami surplus produksi pangan adalah Kabupaten Timor Tengah Selatan yaitu sebesar 0.228. Hal tersebut dapat dilihat dari data produksi pangan dimana Kota Kupang memiliki produksi padi dan jagung paling rendah namun dengan jumlah penduduk yang banyak, sementara Sabu Raijua memiliki produksi ubi kayu dan ubi jalar paling rendah. Timor Tengah Selatan merupakan kabupaten yang memiliki produksi jagung dan ubi kayu paling tinggi diantara kabupaten-kabupaten lain dan merupakan kabupaten-kabupaten sentra produksi jagung dan ubi kayu. Meskipun jumlah penduduk di Timor Tengah Selatan sangat banyak, namun produksi pangan juga sangat banyak sehingga tidak terjadi defisit pangan dan konsumsi pangan masih bisa terpenuhi.
bercocok tanam kurang dibandingkan dengan kepadatan penduduk, khususnya kecamatan kota, 2) produktivitas lahan yang rendah karena kondisi lahan umumnya lahan kering dan kritis, 3) terjadinya kekeringan berkepanjangan, 4) peralihan dari tanaman pangan dan perkebunan, 5) sistem usaha tani yang berpindah-pindah (tebas dan bakar) dan subsisten (WFP dan DKP 2010).
Tabel 3 Rasio Konsumsi Normatif Per Kapita
Kabupaten
Sumba Barat 0.566 0.530 surplus sedang
Sumba Timur 0.679 0.442 surplus tinggi
Kupang 0.864 0.347 surplus tinggi
Timor Tengah Selatan 1.316 0.228 surplus tinggi Timor Tengah Utara 0.962 0.312 surplus tinggi
Belu 0.346 0.866 surplus rendah
Alor 0.384 0.780 surplus rendah
Lembata 0.663 0.452 surplus tinggi
Flores Timur 0.671 0.447 surplus tinggi
Sikka 0.501 0.598 surplus sedang
Ende 0.267 1.123 defisit rendah
Ngada 0.410 0.731 surplus sedang
Manggarai 0.401 0.748 surplus sedang
Rote Ndao 0.777 0.386 surplus tinggi
Manggarai Barat 0.761 0.394 surplus tinggi
Sumba Tengah 0.872 0.344 surplus tinggi
Sumba Barat Daya 1.244 0.241 surplus tinggi
Nagekeo 0.407 0.736 surplus sedang
Manggarai Timur 0.399 0.751 surplus rendah
Sabu Raijua 0.117 2.566 defisit tinggi
Kota Kupang 0.012 24.237 defisit tinggi
Akses Terhadap Pangan dan Penghidupan
Penduduk Dibawah Garis Kemiskinan
Terdapat 5 kabupaten yang memiliki persentase kemiskinan diatas 30%, yaitu Sumba Barat, Sumba Timur, Rote Ndao, Sumba Tengah, dan Sabu Raijua. Sementara Flores Timur hanya memiliki persentase kemiskinan sebesar 9.12%. Semakin besar jumlah penduduk miskin disuatu provinsi atau kabupaten maka akses terhadap pangan akan semakin rendah dan angka kerawanan pangan akan semakin tinggi .
13
Penguasaan lahan yang kecil dan curah hujan yang tidak menentu, berdampak kurang menguntungkan pada masyarakat yang bergantung pada produksi tanaman pangan.
Kemiskinan dan ketahanan pangan merupakan dua sisi mata uang, dimana karena miskin maka tidak dapat mencapai keadaan tahan pangan dan sebaliknya karena keadaan tidak tahan pangan maka menyebabkan kemiskinan. Kemiskinan merupakan masalah yang kompleks yang membutuhkan intervensi multi sektoral secara terintegrasi dan terkoordinasi. Salah satu akibat kemiskinan adalah ketidakmampuan keluarga untuk memenuhi kebutuhan pangan anggota keluarganya dalam jumlah dan kualitas yang baik sehingga beresiko rawan pangan dan gizi.
Gambar 3 Persentase Penduduk Miskin NTT
Akses Terhadap Jalan dan Listrik
Salah satu penyebab adanya kemiskinan lokal adalah dimana masyarakat yang tinggal di daerah atau terpencil tidak mempunyai akses infrastruktur baik jalan maupun akses pasar. Masyarakat kesulitan dalam mengakses kebutuhan pangan yang terletak jauh dari tempat tinggal mereka. Di Sumba Tengah, sekitar 30,23% terdapat jalan yang tidak dapat dilalui kendaraan roda empat, Manggarai Timur sebesar 27.14% dan Alor sebesar 26.62%.
Akses jalan yang baik mendukung pendistribusian pangan yang lancar ke setiap kabupaten yang ada di NTT. Kemudahan dalam akses jalan memudahkan pemerintah untuk mengurangi tingkat kerawanan pangan daerah yang disebabkan terisolirnya suatu daerah akibat kendala infrastruktur jalan. Akses jalan memberikan akses yang lebih baik ke pasar yang akan memudahkan produsen untuk memasarkan hasil produksi kepada penjual dan pembeli. Akses jalan juga merupakan salah satu sarana terpenting dalam menghubungkan pelayanan dasar seperti pendidikan dan kesehatan yang berguna untuk memperbaiki standar kehidupan.
Gambar 4 Persentase jalan yang tidak dilalui kendaraan roda 4
Akses listrik merupakan suatu indikator pendekatan yang baik untuk melihat tingkat kesejahteraan ekonomi dan peluang penghidupan pada suatu daerah. Kabupaten Manggarai Barat memiliki persentase rumah tangga tanpa listrik sebesar 31.54% dan kabupaten Manggarai sebesar 22.88% sedangkan Kota Kupang dengan persentase paling kecil yaitu 0.54%.
15
Gambar 5 Persentase RT tanpa akses listrik
Pemanfaatan Pangan
Perempuan Buta Huruf
Perempuan buta huruf masih banyak terdapat di NTT. Di Kabupaten Sumba Bara Daya masih terdapat sekitar 26.25% wanita yang masih buta huruf. Sumba Barat dan Timor Tengah Selatan sebesar 21.85% dan 21.29%. Sedangkan Kota Kupang hanya sekitar 5.62% yang masih buta huruf. Kemampuan membaca pada kaum perempuan sangat berpengaruh terhadap status kesehatan dan gizi, dan menjadi hal yang sangat penting dalam pemanfaatan pangan. Tingkat pendidikan ibu berkaitan erat dengan situasi gizi anak-anak.
Peran perempuan sangat berpengaruh dalam ketahanan pangan, karena secara signifikan mempengaruhi proses produksi, konsumsi dan distribusi. Perempuan memiliki peran penting dalam komponen-komponen ketahanan pangan terutama di level mikro/rumah tangga.
Peran perempuan tidak hanya terbatas di level rumah tangga pertanian tapi juga pertanian yang dikomersilkan. Menurut FAO (2011), rata-rata 20% pertanian dipimpin oleh perempuan. Tetapi di Asia hanya sekitar 6% perempuan yang memimpin pertanian. Nilai tersebut lebih kecil dibanding Afrika dan Amerika Latin. Jika laki-laki dan perempuan diberikan hak yang sama, maka bisa meningkatkan hasil pertanian sebesar 20 - 30%, produksi pertanian nasional bisa meningkat sebesar 2.5 - 4% dan jumlah penduduk yang mengalami malnutrisi bisa berkurang sebesar 12 - 17%.
Tingkat pendidikan yang relatif rendah pada rumah tangga rawan pangan terkait erat dengan kemiskinan yang mereka hadapi. Dalam kondisi kemiskinan, yang berarti terbatasnya pendapatan, sehingga pendidikan bukan merupakan prioritas mereka.
Gambar 6 Persentase Perempuan Buta Huruf
Angka Harapan Hidup dan Rumah Tangga Tanpa Akses Sumber Air Minum
Angka harapan hidup menunjukkan dampak dari status kesehatan dan gizi. Rata-rata angka harapan hidup provinsi NTT adalah 66 tahun. Pada gambar 7 dapat dilihat bahwa Angka harapan hidup tertinggi terdapat di Kota Kupang yaitu 77.71 tahun dam terendah di kabupaten Sabu Raijua yaitu 56.12 tahun.
17
Gambar 7 Angka Harapan Hidup
Rumah Tangga Tanpa Akses Sumber Air Minum
Sebanyak 21.55% RT di Timor Tengah Selatan tidak memiliki akses ke sumber air minum dan Sumba Barat Daya sebesar 11.88%. Sementara Flores Timur hanya memiliki 0.42% RT yang tidak mempuyai akses ke sumber air minum. Kurangnya akses ke sumber minum dapat menyebabkan kunci tingginya faktor yang berkontribusi pada diare dan kematian anak (Unicef 2014).
Gambar 8 Persentase RT tanpa akses ke sumber air minum
Bayi Lahir Berat Badan rendah
Kabupaten Sikka, Ngada dan Timor Tengah Utara termasuk kabupaten-kabupaten yang memiliki angka bayi yang lahir dengan berat badan rendah paling besar. Sementara Kabupaten Kupang dan Alor adalah kabupaten dengan bayi lahir berat badan rendah sedikit. Bayi lahir dikatakan mempunyai berat badan rendah apabila mempunya berat badan >2.5 kg. Bayi lahir dengan berat badan rendah sangat berkaitan dengan kemiskinan dan pengetahuan calon ibu.
19
Gambar 9 Persentase Bayi lahir berat badan rendah
Kerawanan Pangan Sementara (TFI)
Kerawanan pangan sementara (TFI) merupakan ketidakmampuan jangka pendek untuk memenuhi kebutuhan pangan minimum yang disebabkan oleh faktor dinamis seperti penyakit, kejadian bencana alam, pengungsian, perubahan fungsi pasar. Penelitian ini menggunakan indikator kejadian bencana alam yang terjadi di NTT yaitu banjir dan kekeringan serta kehilangan produksi padi akibat kejadian bencana tersebut.
Perhitungan peluang kejadian bencana banjir dan kekeringan dilakukan selama 7 tahun yaitu pada tahun 2005-2011, sehingga diketahui peluang kejadian suatu bencana untuk satu tahun. Di NTT, kekeringan dan banjir terjadi karena sedikitnya jumlah variasi curah hujan yang diterima. Kekeringan bahkan bisa mencapai 8 bulan dalam setahun. Curah hujan di NTT dipengaruhi oleh beberapa faktor antara lain :
Faktor global : El nino, La nina, Dipole mode
Faktor regional : sirkulasi monsun, MJO dan suhu muka laut Faktor sinoptik : low pressure area
Faktor lokal : ketinggian tempat, posisi bentangan suatu pulau, sirkulasi angin darat dan laut serta tutupan lahan suatu wilayah.
Bencana kekeringan termasuk kedalam kategori bencana yang disebabkan oleh alam. Karakteristik bencana kekeringan adalah datangnya yang tidak tiba-tiba namun timbul secara perlahan dan mudah diabaikan. Dampaknya akan terasa ketika lahan-lahan produktif tiba-tiba mengalami kegagalan panen maupun
penurunan kualitas. Akibat yang lebih ekstrim lagi adalah rusaknya sistem tanah yang berujung tidak termanfaatkannya guna lahan yang optimal, kelaparan dan rusaknya sistem sektor pertanian.
Gambar 10 Peluang kejadian kekeringan dan banjir
Gambar 11 Kerugian produksi tanaman padi dan palawija
Kabupaten Manggarai dan Sumba Timur merupakan kabupaten yang memiliki peluang kejadian kekeringan paling tinggi yaitu 0.43 dan 0.29 sementara
21
kabupaten Kupang dan Timor Tengah Selatan memiliki peluang kejadian banjir paling tinggi yaitu 0.89. Dampak dari kekeringan dan banjir ini menyebabkan produksi tanaman turun/rendah/puso bahkan mati. Apabila terjadi secara luas, dapat menyebabkan kerugian secara material dan finansial bahkan dapat mengancam ketahanan pangan. Gambar 11 menunjukkan kerugian dari tanaman padi (padi sawah dan ladang) dan palawija (jagung, ubi kayu, kacang tanah, kacang hijau, kedelai). Kabupaten Belu mengalami kerugian paling besar yaitu. Rp 344.418 juta. Hal tersebut disebabkan luas kerusakan untuk setiap tanaman padi dan palawija di kabupaten Belu cukup besar namun hasil rata-ratanya sedikit. Kerugian di Kota Kupang merupakan yang paling sedikit yaitu hanya Rp 727 juta. Hasil komoditas dan luas tanam tanaman padi dan palawija yang sedikit dan ditambah dengan beberapa tanaman yang tidak mengalami luas kerusakan menyebabkan kerugian di Kota Kupang juga sedikit.
Pemetaan Kerawanan Pangan
Penentuan tingkat kerawanan pangan ditentukan berdasarkan indikator-indikator kerawanan pangan kronis (CFI) dan kerawanan pangan transien/sementara (TFI). Peta kerentanan terhadap kerawanan pangan dibuat melalui metode PCA dan persentil. Pemetaan ini dapat menjelaskan bahwa kondisi kerentanan terhadap kerawanan pangan suatu kabupaten disebabkan oleh kombinasi dari berbagai dimensi kerawanan pangan. Penyebab kerawanan suatu kabupaten dengan kabupaten lainnya beragam antar kabupaten.
Berdasarkan metode PCA, kabupaten-kabupaten NTT terbagi menjadi 6 cluster yang didasarkan pada tingkat kesamaan yang paling dekat (Tabel 4 dan 5). Penentuan tingkat kerentanan per cluster mengikuti prosedur yang digunakan oleh WFP dan DKP dilihat dari nilai cluster centroid PC1, dimana nilai cluster centroid paling tinggi memiliki tingkat kerentanan paling tinggi pula. Tingkat 1 merupakan kabupaten yang tahan pangan sedangkan tingkat 6 adalah kabupaten-kabupaten yang rawan pangan (Tabel 6).
Tabel 4 Pembagian cluster CFI
Cluster Kabupaten
1 Sumba Barat, Sumba Timur, Lembata, Rote Ndao, Sabu Raijua 2 Kupang, Belu, Flores Timur, Sikka, Ende, Ngada, Nagekeo 3 Timor Tengah Selatan, Sumba Barat Daya
4 Timor Tengah Utara, Manggarai
Tabel 5 Pembagian cluster TFI
Cluster Kabupaten
1 Sumba Barat, Sumba Tengah, Manggarai Timur 2 Sumba Timur, Manggarai
3 Kupang, Timor Tengah Selatan, Sikka
4 Timor Tengah Utara, Alor, Flores Timur, Ngada, Rote Ndao, Nagekeo, Kota Kupang
5 Belu
6 Lembata, Manggarai Barat, Sumba Barat Daya, Sabu Raijua
Tabel 6 Nilai cluster centroid CFI dan TFI
Cluster
Pengelompokkan kabupaten menurut tingkat kerawanan pangan dilakukan berdaasarkan nilai CFI dan TFI seperti yang ditunjukkan oleh gambar 2. Untuk pendekatan ini kisaran nilai CFI dan TFI adalah 1 sampai 6. Nilai indek CFI dan TFI terlebih dahulu dikurangi dengan nilai rata-rata indeks yaitu 3.5. Dengan demikian nilai CFI dan TFI berubah dengan kisaran -2.5 sampai 2.5.
23
Gambar 12 Peta kerawanan pangan kabupaten di Propinsi NTT dengan metode cluster centroid PCA
Gambar 12 menunjukkan bahwa kabupaten Timor Tengah Selatan dan Manggarai berada di tingkat 6 yang merupakan kabupaten yang paling rawan pangan. Kabupaten Alor, Sumba Tengah dan Manggarai Timur di tingkat 5. Pada tingkat 4 kerawanan pangan terdapat kabupaten Timor Tengah Utara, Manggarai Barat dan Sumba Barat Daya. Di tingkat 3 terdapat hanya satu kabupaten, yaitu Belu. Kabupaten Sumba Timur, Kupang dan Sikka terdapat di tingkat 2. Kabupaten-kabupaten yang memiliki tingkat kerawanan rendah adalah kabupaten Sumba Barat, Lembata, Flores Timur, Ende, Ngada, Rote Ndao, Nagekeo, Sabu Raijua dan Kota Kupang.
Tabel 7 Pembobotan Indikator CFI dan TFI dari keragaman PC
Kerawanan Indikator Bobot
CFI
1. Rasio konsumsi normatif per kapita 0.083
2. % penduduk miskin 0.174
3. % desa yang tidak dilalui kendaraan roda 4 0.179
4. % RT tanpa akses listrik 0.067
5. Angka harapan hidup 0.159
6. % Perempuan buta huruf 0.061
7. % Bayi lahir berat badan rendah 0.173 8. % RT tanpa akses ke sumber air minum 0.105
TFI
1. Peluang kejadian banjir 0.372
2. Peluang kejadian kekeringan 0.291 3. Kerugian tanaman padi dan palawija 0.337
Berdasarkan pengkategorisasian tingkat kerawanan pangan menurut nilai indek CFI dan TFI dengan metode kuadran, diperoleh kategorisasi kabupaten menurut tingkat kerawanan pangan seperti ditunjukkan oleh gambar 13. Kabupaten yang memiliki tingkat kerawanan paling tinggi adalah Sumba Timur, Timor Tengah Selatan, Timor Tengah Utara, Belu, Alor, Sikka, Ngada, Manggarai, Rote Ndao, dan Sumba Tengah. Di tingkat 5 terdapat kabupaten Lembata, Ende dan Manggarai Timur. Kabupaten Sumba Barat, Manggarai Barat dan Sumba Barat Daya di tingkat 4. Di tingkat 3 terdapat kabupaten Kupang dan Flores Timur. Sedangkan kabupaten yang tingkat kerawanan pangan rendah ialah kabupaten Sabu Raijua dan Kota Kupang.
25
Gambar 13 Peta kerawanan pangan kabupaten di Propinsi NTT dengan pembobotan dari PCA
Tabel 8 Pembobotan Indikator CFI dan TFI
Kerawanan Indikator Bobot
CFI
Ketersediaan Pangan (0.4)
1. Rasio konsumsi normatif per kapita 0.4 Akses Pangan (0.3)
1. % penduduk miskin 0.05
2. % desa yang tidak dilalui kendaraan roda 4 0.05 3. % RT tanpa akses listrik 0.2 Pemanfaat Pangan (0.3)
1. Angka harapan hidup 0.1
2. % Perempuan buta huruf 0.05
3. % Bayi lahir berat badan rendah 0.05 4. % RT tanpa akses ke sumber air minum 0.1
TFI
1. Peluang kejadian banjir 0.3
2. Peluang kejadian kekeringan 0.3
Gambar 14 Peta kerawanan pangan kabupaten di Propinsi NTT dengan metode Persentil
Peta diatas menunjukkan bahwa kabupaten Alor, Ngada dan Manggarai merupakan kabupaten yang paling rawan pangan. Di tingkat 5 terdapat kabupaten Sumba Timur, Belu dan Sikka. Kabupaten Lembata, Ende, Manggarai Barat, Manggarai Timur, Sabu Raijua dan Kota Kupang terdapat di tingkat 4. Kabupaten Kupang, Timor Tengah Selatan, Timor Tengah Utara, Flores Timur, Rote Ndao, Sumba Tengah, Sumba Barat Daya dan Nagekeo berada di tingkat 2. Sumba Barat merupakan kabupaten yang tahan pangan karena berada di tingkat 2.
27
Tabel 9 Perbandingan Nilai Indek Kerawanan
Kabupaten
PCA Cluster Centroid Bobot PC Bobot expert judgement
CFI TFI
Indek
Kerawanan CFI TFI
Indek
Kerawanan CFI TFI
Indek Kerawanan
Sumba Barat 3 2 1 0.52 0.37 4 0.47 0.37 2
Sumba Timur 3 4 2 0.64 0.75 6 0.57 0.79 5
Kupang 2 5 2 0.48 0.80 3 0.48 0.81 3
Timor Tengah Selatan 5 5 6 0.62 0.90 6 0.47 0.91 3
Timor Tengah Utara 4 3 4 0.64 0.66 6 0.44 0.67 3
Belu 2 6 3 0.60 0.93 6 0.74 0.94 5
Alor 6 3 5 0.64 0.53 6 0.80 0.51 6
Lembata 3 1 1 0.63 0.41 5 0.57 0.43 4
Flores Timur 2 3 1 0.48 0.73 3 0.42 0.75 3
Sikka 2 5 2 0.62 0.80 6 0.60 0.79 5
Ende 2 3 1 0.57 0.46 5 0.75 0.43 4
Ngada 2 3 1 0.53 0.52 6 0.57 0.53 6
Manggarai 4 4 6 0.59 0.62 6 0.68 0.60 6
Rote Ndao 3 3 1 0.52 0.62 6 0.37 0.65 3
Manggarai Barat 6 1 4 0.56 0.41 4 0.56 0.43 4
Sumba Tengah 6 2 5 0.57 0.54 6 0.48 0.57 3
Sumba Barat Daya 5 1 4 0.51 0.48 4 0.37 0.51 3
Nagekeo 2 3 1 0.42 0.55 2 0.48 0.57 3
Manggarai Timur 6 2 5 0.66 0.47 5 0.77 0.49 4
Sabu Raijua 3 1 1 0.48 0.35 1 0.64 0.35 4
Kota Kupang 1 3 1 0.43 0.46 1 0.59 0.43 4
Penentuan metode terbaik dilakukan dengan melihat nilai rataan simpangan baku metode-metode tersebut. metode PCA dengan cluster centroid memiliki nilai simpangan baku sebesar 1.54. Metode persentil yang menggunakan sistem pembobotan berdasarkan nilai keragaman PC memberikan nilai simpangan baku 0.12, sedangkan yang berdasarkan penilaian subjektif terhadap keeratan hubungan indikator dan kerawanan pangan memberikan nilai simpangan baku 0.15. Hasil ini menunjukkan bahwa pendekatan persentil dengan menggunakan pembobotan relatif lebih baik dibandingkan dengan pendekatan PCA. Penelitian lebih lanjut untuk mengevaluasi pendekatan PCA perlu dilakukan, khususnya dalam penentuan banyak PC yang akan digunakan dalam analisis cluster, demikian juga metode penentuan nilai bobot indikator yang bersifat kuantitatif lainnya yang dikombinasikan dengan kualitatif (penilaian pakar). Disamping itu, penggunaan indikator tambahan lainnya yang berkaitan dengan letersediaan pangan, akses pangan dan pemanfaatan pangan juga diperlukan agar pengelompokkan kabupaten menurut tingkat kerawanan pangan lebih optimal.
SIMPULAN DAN SARAN
SimpulanKabupaten-kabupaten di Nusa Tenggara Timur (NTT) secara umum dapat dikelompokan menjadi enam berdasarkan tingkat kerawanan pangan. pengelompokan kabupaten yang dihasilkan menurut tingkat kerawanan pangannya ditentukan oleh metode yang digunakan dan juga penilaian tingkat kepentingan atau keeratan indikator dengan kerawanan pangan.
Penentuan metode yang terbaik dalam menentukan tingkat kerawanan pangan salah satunya dilihat dari nilai rata-rata simpangan baku indek kerawanan. pengelompokan kabupaten menurut tingkat kerawanan pangan dengan menggunakan metode cluster centroid PCA kurang efektif bila dibandingkan dengan metode persentil. Nilai rata-rata simpangan baku dengan metode PCA dan cluster centroid paling besar yaitu 1.54, sedangkan metode persentil dengan sistem pembobotan PCA paling kecil yaitu 0.12. Selain itu, pembobotan terhadap masing-masing indikator juga sangat mempengaruhi tingkat kerawanan.
Saran
Penelitian lebih lanjut yang disarankan untuk mengevaluasi metode yang paling efektif dalam mengelompokkan kabupaten menurut tingkat kerawanan pangan diantaranya metode penentuan bobot indikator, proses pengelompokkan kabupaten dan pemilihan indikator kerawanan pangan.
DAFTAR PUSTAKA
29
Ariningsih et al. 2008. Strategi Peningkatan Ketahanan Pangan Rumah Tangga Rawan Pangan. Pusat Analisis Sosial Ekonomi dan Kebijakan Pertanian. Bogor. Volume 6 No 3, September 2008 :239-255.
Azizah et al. Tanpa tahun. Analisis Cluster Komponen Utama Nonlinier dan Analisis Two Step Cluster untuk Data Berskala Campuran. Malang (ID) : Universitas Brawijaya.
Boer et al. 2014. Pengembangan Metode Analisis Kerentanan Sistem Ketahanan Pangan terhadap Dampak Keragaman dan Perubahan Iklim [catatan penelitian]. Bogor (ID) : Centre for Climate Risk and Opportunity Management in Southeast Asia and Pacifik (CCROM-SEAP).
Boer et al. 2014. Refinement of Food Security Vulnerability Atlas. Bogor : CCROM-SEAP IPB.
[BPS] Badan Pusat Statistika. 2012. NTT dalam Angka tahun 2012 [internet]. [diunduh 2014 Januari 16]. Tersedia pada http://ntt.bps.go.id/NTT%dalam%angka2012.pdf.
Dewan Ketahanan Pangan. 2006. Kebijakan Umum Ketahanan Pangan 2006-2009. Jakarta.
[DIBI-BNPB]. 2014. Data dan Informasi Bencana Indonesia – Badan Nasional Penanggulangan bencana [internet]. [diunduh 2014 Februari 2]. Tersedia pada http://dibi.bnpb.go.id/data-bencana. Berdistribusi t dengan Metode Bootstrap Persentil. Bandung : Jurnal MIHMI ITB, Volume 6 No. 5 ISSN 0854-1380.
GAP-CC ASEAN. 2013. Food Security in Asean and Climate Change : An Assessment of Vulnerabilities of Staple Food Crops in Asean Member States. Final report.
Johnson et al. 2007. Applied Multivariate Statistical Analysis, 6th ed. New Jersey : Prentice Hall.
Hardika et al. 2013. Penerapan Analisis Komponen Utama dalam Penentuan faktor Dominan yang Mempengaruhi Prestasi belajar Siswa. Saintia Matematika Vol 1, no 6, pp 507-516.
International Federation of Red Cross and Crescent Societies. 2007. Global Food Security Assessment Guideliness. P.O Box 37d Geneva : Switzerland
Nurfitriani, L. 2012. Analisis Kinerja Fiskal dan Faktor-faktor yang Memengaruhi Ketahanan Pangan di Provinsi Nusa Tenggara Timur [skripsi]. Bogor : IPB.
Ofong, L. 2007. Menuju Ketahanan Pangan Berkelanjutan di NTT. Institute of Indonesia Tenggara Studies.
Suhartono. 2010. Indikator dan Pemetaan Daerah Rawan Pangan dalam Mendeteksi Kerawanan Pangan di Kecamatan Tanjung Bumi Kabupaten Bangkalan. Universitas Trunojoyo. Embryo vol. 7 no. 2.
[UNICEF]. 2014. Hari Air Sedunia 2014 : Akses terhadap Air Bersih di Indonesia Masih Tertinggal [internet]. [diunduh pada 2014 Mei 23]. United
Nations International Children’s Emergency Fund. Tersedia pada
http://unicef.org/indonesia/id/media_22273.html.
31
LAMPIRAN
Lampiran 1 Produksi Pangan (Ton) NTT 2011
Kabupaten Produksi Padi
Produksi Jagung
Produksi Ubi Kayu
Produksi Ubi Jalar
Sumba Barat 11515 10018 17674 698
Sumba Timur 24024 30009 31456 5874
Kupang 23398 53719 79441 8884
Timor Tengah
Selatan 4772 136403 205658 24463
Timor Tengah Utara 19603 35048 98841 5901
Belu 11924 21694 44613 3997
Alor 4764 12661 31424 3174
Lembata 4582 20758 15064 1295
Flores Timur 7276 33285 59252 1513
Sikka 12421 22541 69109 7962
Ende 9695 7436 32811 4271
Ngada 8361 12352 9844 2512
Manggarai 33905 12256 19202 10880
Rote Ndao 25384 16502 5992 572
Manggarai Barat 43410 14719 50988 11221
Sumba Tengah 10308 10107 7340 3706
Sumba Barat Daya 29900 53431 155955 22955
Nagekeo 8895 9062 11507 3696
Manggarai Timur 34282 9249 14228 5939
Sabu Raijua 478 2641 608 91
33
Sabu Raijua 2.566 39.70 7.94 10.24 18.53 56.12 0.01 4.39
Kota Kupang 24.237 10.05 0.00 0.54 3.69 77.71 0.10 1.34
Lampiran 3 Rasio Konsumsi Normatif Per Kapita NTT
Manggarai Timur 257744 34282 21597.66 9249 14228 4742.667 5939 1979.667 0.399 0.3 0.75
Sabu Raijua 74403 478 301.14 2641 608 202.667 91 30.333 0.117 0.3 2.57
Kota Kupang 342892 615 387.45 746 1122 374.000 125 41.667 0.012 0.3 24.24
Lampiran 4 Peluang Kejadian Banjir 2005-2011
Kabupaten Tahun Total Peluang
2005 2006 2007 2008 2009 2010 2011
Sumba Barat 0 0 0 0 0 0 0 0 0.00
Sumba Timur 0 0 0 1 0 0 1 2 0.29
Kupang 1 1 0 1 1 1 1 6 0.86
Timor Tengah Selatan 0 1 1 1 1 1 1 6 0.86
Timor Tengah Utara 0 0 0 1 1 1 0 3 0.43
Belu 0 1 1 1 1 1 1 6 0.86
Alor 0 0 0 1 1 1 0 3 0.43
Lembata 0 0 0 1 0 0 0 1 0.14
Flores Timur 0 0 0 1 1 0 1 3 0.43
Sikka 0 1 0 1 0 1 1 4 0.57
Ende 0 0 0 1 1 1 0 3 0.43
Ngada 0 0 1 1 0 0 0 2 0.29
Manggarai 0 1 0 1 1 0 0 3 0.43
Rote Ndao 0 0 0 1 1 0 0 2 0.29
Manggarai Barat 0 0 0 0 1 0 0 1 0.14
Sumba Tengah 0 0 0 0 1 0 0 1 0.14
Sumba Barat Daya 0 0 0 0 0 0 0 0 0.00
35
Manggarai Timur 0 0 0 1 0 0 0 1 0.14
Sabu Raijua 0 0 0 0 0 0 0 0 0.00
Kota Kupang 0 0 0 1 1 0 1 3 0.43
Tabel 5 Peluang Kejadian Kekeringan 2005-2011
Kabupaten TAHUN Total Peluang
2005 2006 2007 2008 2009 2010 2011
Sumba Barat 0 0 1 0 0 0 0 1 0.14
Sumba Timur 0 1 0 0 0 1 0 2 0.29
Kupang 0 0 0 0 0 0 0 0 0.00
Timor Tengah Selatan 0 1 0 0 0 0 0 1 0.14
Timor Tengah Utara 0 0 0 0 0 0 0 0 0.00
Belu 0 0 0 0 0 1 1 2 0.29
Alor 0 0 0 0 0 0 0 0 0.00
Lembata 0 0 0 0 0 0 0 0 0.00
Flores Timur 0 0 0 0 0 0 0 0 0.00
Sikka 0 0 0 0 0 1 0 1 0.14
Ende 0 0 0 0 0 0 0 0 0.00
Ngada 0 0 0 0 0 0 0 0 0.00
Manggarai 0 0 1 0 0 1 1 3 0.43
Rote Ndao 0 0 0 0 0 0 0 0 0.00
Manggarai Barat 0 0 0 0 0 0 0 0 0.00
Sumba Tengah 0 0 0 0 0 1 0 1 0.14
Sumba Barat Daya 0 0 0 0 0 0 0 0 0.00
Manggarai Timur 0 0 0 0 0 0 1 1 0.14
Kota Kupang 0 0 0 0 0 0 0 0 0.00
37
RIWAYAT HIDUP
Penulis lahir di Lubuk Alung pada tanggal 28 Maret 1990 dari pasangan Syofyan dan Emi Sofia. Penulis merupakan anak ke tiga dari empat bersaudara. Penulis menempuh pendidikan dasar di SDN 46 Lubuk Alung dan lulus pada tahun 2002. Pada tahun 2005 penulis menyelesaikan pendidikan menengah pertama di SLTPN 1 Lubuk Alung dan melanjutkan di SMAN 1 Lubuk Alung. Pada tahun 2008 penulis diterima di Institut Pertanian Bogor (IPB) melalui Seleksi Nasional Masuk Perguruan Tinggi Negeri (SNMPTN) pada program studi Meteorologi Terapan Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam.
