MODEL SIMULASI PENGELOLAAN HUTAN DI KESATUAN
PEMANGKUAN HUTAN (KPH) BOGOR
HAMIM THOHARI
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Model Simulasi Pengelolaan Hutan di Kesatuan Pemangkuan Hutan (KPH) Bogor adalah benar karya saya dengan arahan dari 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, Juli 2014
Hamim Thohari
ABSTRAK
HAMIM THOHARI. Model Simulasi Pengelolaan Hutan di Kesatuan Pemangkuan Hutan (KPH) Bogor. Dibimbing oleh Dr. Ir. BUDI KUNCAHYO, MS.
Pengelolaan hutan secara optimal sangat penting bagi (KPH) Bogor untuk menciptakan kelestarian ekonomi, ekologi dan sosial. Penelitian ini bertujuan untuk mendapatkan sebuah simulasi pengelolaan hutan yang baik guna meningkatkan kesejahteraan di lingkungan KPH Bogor, khususnya peningkatan pendapatan pada KPH Bogor. Analisis pengelolaan dilakukan dengan pendekatan sistem dikarenakan kompleksnya data yang digunakan. Pengelolaan hutan di KPH Bogor pada meliputi pengelolaan wisata, lembaga masyarakat desa hutan (LMDH), getah, hasil hutan kayu, hasil hutan bukan kayu (HHBK) dan perdangangan karbon. Analisis dilakukan dengan membuat model yang bisa mewakili pengelolaan hutan saat ini. Model yang telah dibuat kemudian dilakukan berbagai skenario untuk mendapatkan hasil yang terbaik. Hasil penelitian menunjukkan bahwa skenario KPH Bogor dengan menggunakan kombinasi KPH saat ini, hasil hutan bukan kayu Agroforestri dan perdagangan merupakan skenario terbaik.
Kata kunci : model simulasi, KPH Bogor
ABSTRACT
HAMIM THOHARI. Simulation Models of Forest Management at Forest Management Unit (FMU) Bogor. Supervised by Dr. Ir. BUDI KUNCAHYO, MS.
Optimal forest management was very important for Forest Management Unit (FMU) Bogor to create sustainability of economic, ecological and social. The point of this research was getting the best simulation of forest management in order to improve welfare of the environment in KPH Bogor, especially to increase in revenue in KPH Bogor. Analysis performed for the management was system approach,it used because of the complexity of the data. Forest management in KPH Bogor was travel management , forest village institutions (LMDH), resin management , timber management, non-timber forest products management and carbon trading. Analysis was done by creating a model that can represent the current forest management. The model has been created then performed various scenarios in order to get the best results. The results showed that the scenario of KPH Bogor by using a combination of KPH current management, non-timber forest products (NTFPs) and carbon trading was the best scenario.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Kehutanan
pada
Departemen Manajemen Hutan
MODEL SIMULASI PENGELOLAAN HUTAN DI KESATUAN
PEMANGKUAN HUTAN (KPH) BOGOR
HAMIM THOHARI
DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN
INSTITUT PERTANIAN BOGOR BOGOR
Judul Skripsi : Model Simulasi Pengelolaan Hutan di Kesatuan Pemangkuan Hutan (KPH) Bogor
Nama : Hamim Thohari NIM : E14080101
Disetujui oleh
Dr Ir Budi Kuncahyo, MS Pembimbing
Diketahui oleh
Dr Ir Ahmad Budiaman, MSc FTrop Ketua Departemen
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah Subhanahu wa ta’ala atas
segala karunia-Nya, sehingga skripsi dengan judul Model Simulasi Pengelolaan
Hutan di Kesatuan Pemangkuan Hutan (KPH) Bogor dapat diselesaikan. Penelitian ini dilaksanakan sejak bulan September 2013 di Kesatuan Pemangkuan Hutan (KPH) Bogor, Bogor Jawa Barat.
Melalui skripsi ini penulis menyampaikan terima kasih kepada Dr Ir Budi Kuncahyo, MS selaku pembimbing atas arahan dan bimbingan dalam penyusunan tulisan ini. Ucapan terima kasih dan penghargaan penulis sampaikan untuk Pegawai KPH Bogor yang telah membantu dalam pengumpulan data pada penelitian ini. Penulis juga menyampaikan terima kasih untuk Ibu, Ayah serta seluruh Keluarga, seluruh Pegawai Departemen Manajemen Hutan dan Rekan-Rekan Mahasiswa
Fakultas Kehutanan IPB serta pihak-pihak lain atas dukungan dan doa yang diberikan.
Penulis menyadari masih terdapat banyak kekurangan dalam skripsi ini. Oleh karena itu, kritik dan saran yang membangun sangat penulis harapkan. Semoga skripsi ini bermanfaat bagi praktisi, akademisi, dan masyarakat luas.
Bogor, Juli 2014
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
DAFTAR LAMPIRAN vi
PENDAHULUAN 1
METODE 1
KONDISI UMUM 4
HASIL DAN PEMBAHASAN 5
SIMPULAN DAN SARAN 17
DAFTAR PUSTAKA 18
LAMPIRAN 19
DAFTAR TABEL
1 Pembagian kawasan hutan KPH Bogor 4
2 Hasil analisis finansial 2031 16
DAFTAR GAMBAR
1 Interaksi antara submodel 5
2 Submodel wisata 7
3 Submodel LMDH 8
4 Submodel pengelolaan getah 9
5 Submodel kayu tebangan 10
6 Submodel agroforestri 11
7 Submodel perdagangan karbon 12
8 Grafik evaluasi BCR 13
9 Grafik evaluasi NPV 13
10 Grafik perbandingan PV 15
11 Grafik perbandingan NPV 15
12 Grafik perbandingan BCR 16
DAFTAR LAMPIRAN
1 Persamaan model simulasi 19
PENDAHULUAN
Latar Belakang
Kesatuan Pemangkuan Hutan (KPH) Bogor merupakan salah satu bagian dari perum perhutani. Sebagai bagian dari perum perhutani, KPH Bogor juga merupakan salah satu sumber devisa negara. Dalam perannya sebagai sumber devisa negara, KPH Bogor mendapati permasalahan dimana terjadi defisit anggaran pada beberapa tahun terakhir, hal ini tercantum pada dokumen redesain KPH Bogor tahun 2011.
Sumber daya hutan, baik hasil hutan bukan kayu ataupun hasil hutan kayu merupakan sumberdaya potensial yang bisa diusahakan guna menambah pendapatan KPH Bogor. Pengelolaan sumber daya hutan secara optimal harus dilakukan dengan berdasarkan pada kelestarian ekonomi, ekologi dan sosial. Pengelolaan sumber daya hutan secara optimal dapat meningkatkan pendapatan KPH Bogor.
Masyarakat sekitar hutan merupakan salah satu peran penting untuk membangun hutan. Pengelolaan hutan bersama masyarakat dapat mempengaruhi tingkat pendapatan KPH Bogor dan masyarakat itu sendiri. Pengelolaan hutan bersama masyarakat juga dapat memperkecil tingkat perambahan hutan yang dilakukan secara ilegal oleh masyarakat sekitar hutan.
Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Menganalisis model pengelolaan hutan yang saat ini dilaksanakan KPH Bogor. 2. Menyusun model simulasi dan melakukan skenario pengelolaan hutan di KPH
Bogor, serta menganalisis pengaruhnya terhadap tingkat kelestarian ekonomi KPH Bogor.
Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah:
1. Model simulasi pengelolaan hutan diharapkan dapat membantu dan memberikan masukan bagi perusahaan dalam pengelolaan hasil hutan baik mandiri ataupun bersama masyarakat di sekitar hutan.
2. Mendapatkan model pengelolaan hutan yang menguntungkan secara ekonomi baik bagi perusahaan ataupun bagi masyarakat sekitar hutan.
METODE
Waktu dan Lokasi Penelitian
Penelitian ini dilaksanakan di Kesatuan Pemangkuan Hutan Bogor. Penelitian ini dilaksanakan pada bulan September 2013.
Alat dan Bahan
2
Bahan yang digunakan dalam penelitian ini adalah data primer berupa hasil wawancara dengan pengelola KPH. Selain itu juga digunakan data sekunder berupa data kondisi umum lokasi KPH Bogor dan data ekonomi dari pengelolaan hasil hutan KPH Bogor.
Metode Pengumpulan Data
Data yang digunakan dalam penelitian ini terdiri dari data primer sebagai data pokok dan data sekunder sebagai data penunjang.
Data primer yang digunakan dalam penelitian ini adalah data tentang mekanisme pengelolaan hasil hutan pada KPH Bogor.
Data sekunder yang digunakan dalam penelitian ini antara lain: 1) Data kondisi umum KPH Bogor.
2) Rencana pengaturan kelestarian hutan KPH Bogor.
3) Data terkait biaya pengelolaan hasil hutan bukan kayu hingga dapat dipasarkan.
4) Data ekonomi terkait pengusahaan hutan pada KPH Bogor.
5) Data carbon pinus (Pinus merkusii Jungh.) dan akasia mangium (Accacia mangium).
Pemodelan Sistem Identifikasi Isu, Tujuan, dan Batasan
Mengidentifikasi isu atau masalah sangat penting untuk mengetahui dimana model akan dilakukan. Hal ini penting dilakukan dikarenakan kesalahan dalam mengidentifikasi isu dapat berakibat kesalahan melihat permasalahan secara tepat sehingga berujung pada kesalahan dalam memberikan solusi. Pada penelitian ini didapatkan isu bahwa KPH Bogor terdapat permasalahan dimana struktur pembiayaan belum sehat, pendapatan yang terus menurun dan pembiayaan cenderung meningkat.
Setelah identifikasi isu dilakukan maka ditentukan tujuan dari pemodelan tersebut. Langkah selanjutnya adalah menentukan batasan-batasan terhadap pemodelan yang dilakukan. Batasan merupakan kejelasan terhadap apa yang masuk dan tidak masuk ke dalam model. Batas dapat berupa batas daerah atau ruang, batas waktu dan batasan isu yang telah diidentifikasi sesuai dengan tujuan pemodelan.
Konseptualisasi Model
Tujuan konseptualisasi model adalah untuk menentukan suatu konsep dan mendapat gambaran secara menyeluruh terhadap model yang akan dibuat. Penyusunan model konseptual ini didasarkan pada segala sistem yang terkait antara yang satu dengan yang lainnya saling mempengaruhi, sehingga dapat mendekati keadaan yang sebenarnya.
Spesifikasi Model
Spesifikasi model digunakan untuk membuat perumusan terhadap model yang telah dibangun dan kemudian membangun model kuantitatifnya. Selain itu
3 Evaluasi Model
Evaluasi model bertujuan untuk membandingkan kewajaran dan kelogisan model dengan data sebenarnya di lapangan. Analisis sensitivitas dilakukan untuk mengetahui pengaruh perubahan salah satu parameter terhadap model yang dibuat. Tahapan evaluasi model antara lain:
1) Mengkaji kelayakan struktur model dan interpretabilitas dari fungsi-fungsi hubungan dalam model
2) Mengevaluasi korespondensi antara perilaku model prediksi dengan pola dugaan dari perilaku model
3) Mengkaji korespondensi antara perilaku model prediksi dengan data yang ada di lapangan.
Penggunaan Model
Penggunaan model bertujuan untuk mencapai tujuan yang diidentifikasikan di awal pembangunan model tersebut. Model yang dibangun dapat bermanfaat untuk meningkatkan pembelajaran, sehingga dapat merumuskan skenario ke depan atau alternatif kebijakan yang lebih baik.
Kelayakan finansial
Analisis kelayakan usaha dilakukan untuk mengetahui kelayakan usaha pengelolaan hutan. Kriteria yang digunakan antara lain Net Present Value (NPV) dan Benefit Cost Ratio (BCR).
Dalam metode NPV terdapat tiga kriteria kelayakan investasi, sebagai berikut:
NPV > 0, maka proyek menguntungkan dan dapat dilaksanakan
NPV = 0, maka proyek tidak menguntungkan dan tidak tidak rugi, sehingga tergantung pihak manajemen perusahaan.
NPV < 0, maka proyek lebih baik tidak dilaksanakan karena
BCR >1, maka proyek layak atau menguntungkan
4
KONDISI UMUM
Kondisi umum kawasan hutan KPH Bogor
KPH Bogor memiliki luas daerah pengelolaan sebesar 49 342.59 ha. Wilayah kerja berada dalam Kecamatan di seluruh Kabupaten/Kota Tangerang, Bogor, Bekasi, meliputi 7 BH, 24 KH, 5 BKPH dan 18 RPH yang terdiri dari ;
1. BH Parung Panjang (5 365.24 ha) 2. BH Megamendung (9 257.22 ha)
3. BH Cariu (3 504.60 ha)
4. BH Gn. Bolang (5 333.20 ha) 5. BH Nanggung (3 220.87 ha) 6. BH.Tanggerang (1 351.55 ha) 7. BH Ujung Krawang (10 481.15 ha) 8. KH Gn. Karang (4 603.84 ha) 9. KH Gn. Subang (6 224.92 ha)
KPH Bogor sebagian besar memiliki iklim bertipe A dan C menurut Schmidt-Ferguson, dengan curah hujan rata-rata 75 mm s.d 300 mm/bulan atau 800 s.d 3 500 mm/tahun.
Berdasarkan fungsinya kawasan hutan KPH Bogor terbagi atas Hutan Produksi Tetap, Hutan Produksi Terbatas dan Hutan Lindung. Spesifikasi peruntukan fungsi kawasan KPH Bogor dapat dilihat pada Tabel 1.
Tabel 1. Pembagian kawasan hutan KPH Bogor
No Peruntukan kawasan Kondisi awal % Setelah redesain % (5:3)
1 2 3 4 5 6 7
A. Untuk produksi 12 225.84 25% 27 985.78 57% 229%
B. Kawasan perlindungan 11 930.46 24% 16 918.56 34% 142% C. Peruntukan lain 2 792.93 6% 4 438.25 9% 159%
D. Lainnya (TK,TPR, TKTBJ
5
HASIL DAN PEMBAHASAN
Pemodelan Simulasi Pengelolaan Hutan
Pemodelan simulasi ini dibuat berdasarkan data pengelolaan hutan yang dilakukan selama tiga tahun terakhir, dengan penambahan model simulasi yang tidak berdasarkan pengelolaan hutan yang telah dilakukan di KPH Bogor. Pada simulasi ini terdapat tujuh submodel yaitu
a. Submodel Wisata b. Submodel LMDH
c. Submodel Pengelolaan Getah d. Submodel Kayu Tebangan e. Submodel Agroforestri
f. Submodel Perdagangan Karbon
g. Submodel Pengelolaan Hutan KPH Bogor
Ketujuh submodel saling interaksi, dimana enam dari submodel yaitu submodel LMDH, wisata, pengelolaan getah, kayu tebangan, Agroforestri dan perdagangan karbon mempengaruhi tingkat pendapatan dan kerugian submodel pengelolaan hutan KPH Bogor. Tingkat net present value (NPV) dan benefit cost ratio (BCR) pada enam submodel mempengaruhi langsung tingkat net present value (NPV) dan benefit cost ratio (BCR) pada submodel pengelolaan hutan KPH Bogor. Namun tidak sebaliknya, submodel pengelolaan hutan KPH Bogor tidak akan mempengaruhi keenam submodel lainnya. Pengaruh antara submodel pengelolaan hutan KPH Bogor dengan enam submodel lainnya hanya terjadi satu arah. Bagan yang menggambarkan prilaku antar model dapat dilihat pada Gambar 1.
Gambar 1. Interaksi antar submodel Pengelolaan
hutan KPH Bogor
6
Interaksi antara dua submodel hanya terjadi antara submodel perdagangan karbon dan submodel kayu tebangan, dimana tingkat serapan karbon yang terdapat pada submodel perdagangan karbon dipengaruhi oleh tingkat pemanenan submodel kayu tebangan. Tingkat pendapatan pada submodel perdagangan karbon dengan submodel kayu tebangan adalah berbanding terbalik, dimana jika pendapatan pada submodel perdagangan karbon bertambah maka pendapatan yang didapat dari submodel kayu tebangan akan berkurang.
Formulasi Model Konseptual
Formulasi model konseptual ini dibuat berdasarkan tujuan penelitan, dimana pada penelitian ini dicari model yang terbaik yang dapat digunakan dalam memperbaiki tingkat pendapatan KPH Bogor. Model-model yang dibuat berdasarkan data perencanaan yang dilakukan KPH Bogor dan data tingkat pendapatan tiga tahun sebelumnya. Data tersebut kemudian dibuat menjadi sebuah model yang digunakan untuk untuk mensimulasikan berbagai macam skenario yang menyangkut pendapatan, pengeluaran, net present value (NPV), dan benefit cost ratio (BCR). Selain itu juga dibuat simulasi tambahan diluar pengelolaan yang sudah ada di KPH Bogor guna mengetahui apakah pengelolaan baru dapat memperbaiki tingkat pendapatan KPH Bogor.
Presentasi Model Konseptual a. Submodel Wisata
Submodel wisata ini merupakan model pengelolaan wisata yang dilakukan oleh KPH Bogor. Submodel ini sendiri menggambarkan pendapatan dan pengeluaran yang terjadi pada pengelolaan wisata di KPH Bogor.
Submodel wisata memiliki state variable berupa jangka waktu yang
digunakan sebagai variable waktu dalam melakukan perhitungan nilai ekonomi, peningkatan sumber daya, dan peningkatan biaya pada pengelolaan wisata.
Hasil akhir dari submodel wisata ini adalah nilai ekonomi pengelolaan wisata di KPH Bogor berupa variable NPV dan variable BCR. NPV merupakan variable
yang menggambarkan selisih antara auxiliary variable pendapatan wisata dengan
auxiliary variable pengeluaran wisata, dan BCR merupakan variable yang
menggambarkan perbandingan antara auxiliary variable pendapatan wisata dengan
auxiliary variable pengeluaran wisata.
Auxilary variable pendapatan wisata merupakan variabel yang menggambarkan pendapatan yang didapatkan dari pengelolaan wisata di KPH Bogor.
Auxilary variable pendapatan wisata ini terdapat aliran informasi yang berasal dari
auxilary variable C cipamingkis, batu layang, C citeko, C citamiang pulau cangkir,
dan C panjang. Auxilary variable yang masuk kedalam auxilary variable pendapatan
wisata sebelumnya sudah berinteraksi dengan driving variable masing-masing
diantaranya adalah peningkatan curug cipamingkis, peningkatan batu layang, peningkatan curug citeko, peningkatan curug citamiang, peningkatan pulau cangkir, dan peningkatan curug panjang.
Auxilary variable pengeluaran wisata merupakan variabel yang menggambarkan pengeluaran yang didapatkan dari pengelolaan wisata di KPH
Bogor. Auxilary variable pengeluaran wisata ini terdapat aliran informasi yang
berasal dari auxilary variable sarana dan prasarana, upah pegawai kontrak, biaya
7 driving variable yang terlibat dalam aliran informasi auxilary variable pengeluaran wisata diantaranya adalah peningkatan sarana dan prasarana, peningkatan upah pegawai kontrak, peningkatan biaya lainnya, peningkatan biaya perencanaan, peningkatan eksploitasi wisata, dan peningkatan pengembangan wisata. Berikut adalah model konseptual pada submodel wisata dapat dilihat pada Gambar 2.
Gambar 2. Submodel wisata
b. Submodel LMDH
Submodel LMDH ini menggambarkan pengelolaan LMDH yang dilakukan oleh KPH Bogor. Submodel ini digunakan untuk mengetahui tingkat ekonomi yang didapatkan oleh KPH Bogor berdasarkan pengelolaan LMDH yang dilakukan.
Submodel LMDH memiliki state variable berupa pertambahan waktu, dimana state variable memiliki fungsi sebagai akumulasi waktu saat melakukan pengelolaan LMDH. State variable ini sendiri akan mempengaruhi aliran informasi pada auxilary variable pendapatan dan pengeluaran LMDH.
Hasil akhir pengelolaan LMDH berupa variable NPV dan variable BCR.
Perhitungan NPV dan BCR dilakukan melalui dua aliran informasi yaitu auxilary
variable pendapatan dan auxilary variable pengeluaran.
Auxilary variable pendapatan total LMDH memiliki aliran informasi berasal dari beberapa auxilary variable. Auxilary variable tersebut diantaranya adalah pendapatan teh, pendapatan air, pendapatan durian, pendapatan silvofishery, padi, kopi dan pendapatan sarang burung, dimana pada masing-masing auxilary variable tersebut telah berinteraksi dengan driving variable masing-masing.
Auxilary variable pengeluaran LMDH hanya dipengaruhi oleh state variable
jangka waktu dan driving variable berupa peningkatan pengeluaran LMDH. Konseptualisasi submodel LMDH dapat dilihat pada Gambar 3.
Batu Lay ang
Biay a Lainny a
Biay a Perencanaan
Peningkatan Biay a Lainny a
PV Wisata
Peningkatan Biay a Perencanaan
Peningkatan Eksploitasi Wisata
Pengembangan Wisata Peningkatan Pengembangan WIsata
8
Gambar 3. Submodel LMDH
c. Submodel Pengelolaan Getah
Submodel pengelolaan getah ini menggambarkan pengelolaan getah yang dilakukan pada KPH Bogor. Produksi getah pada KPH Bogor dibagi menjadi tiga, getah pinus, kopal dan getah karet.
Auxilary variable pendapatan submodel ini terdiri dari tiga pengelolaan yaitu pendapatan getah pinus, getah agathis, dan getah karet. Ketiga auxilary variable tersebut kemudian menjadi penentu pendapatan yang didapatkan pada submodel pengelolaan getah.
Auxilary variable pengeluran getah didapatkan dari interaksi beberapa
auxilary variable diantaranya adalah iuran hasil hutan, biaya persiapan sadapan, biaya sadapan, biaya pengangkutan, dan biaya pungutan. Kelima auxilary variable
tersebut mengalirkan informasi ke auxilary variable pengeluaran getah terlebih dahulu sebelum berinteraksi dengan auxilary variable luas total produksi. Berikut konseptualisasi submodel pengelolaan getah dapat dilihat pada Gambar 4.
Pendapatan Air
Kopi Padi
Pendapatan Sarang Burung
Pendapatan Silv of ishery Air
Produktif itas Silv o Luas Silv o
BCR LMDHSuku BungaPV LMDH
Peningkatan Pengeluaran LMDH
9
Gambar 4. Submodel pengelolaan getah d. Submodel Kayu Tebangan
Submodel kayu tebangan merupakan submodel yang menggambarkan pengelolaan hasil hutan kayu yang dilakukan KPH Bogor. Jenis pohon utama yang dipanen KPH Bogor saat ini adalah Akasia (Accacia mangium), sedangkan ada beberapa pohon tebangan diantaranya adalah pinus (Pinus merkusii Jungh.) dan agathis (Agathis dammara). Untuk jenis pinus dan agathis akan ditebang ketika plot sudah tidak produktif menghasilkan getah lagi.
Tahap produksi kayu akasia (Accacia mangium) dilakukan dengan memulai pengaturan hasil terlebih dahulu terhadap potensi kayu berdasarkan kelas umur yang ada, dengan hasil akhir pengaturan berupa luasan tebang. Luasan hasil pengeturan hasil tersebut kemudaian dikonversi kedalam auxilary variable berupa volume kayu bakar dan volume kayu akasia (Accacia mangium). Auxilary variable potensi kayu bakar berinteraksi dengan driving variable harga kayu bakar sehingga mendapakan auxilary variable berupa pendapatan kayu bakar. Sedangkan pada volume kayu akasia dikalukan pemisahan volume berdasarkan kelas mutu kayu. Selanjutnya, auxilary variable kayu akaisa (Accacia mangium) yang sudah berdasarkan kelas mutu berinteraksi dengan driving variable harga masing-masing kelas mutu sehingga didapatkan pendapatan kayu akasia (Accacia mangium). Tahap selanjutnya adalah penjumlahan antara auxilary variable kayu bakar dengan auxilary variable pendapatan ACC sehingga mendapatkan auxilary variable pendapatan total akasia mangium.
Tahap produksi kayu agathis (Agathis dammara) dan pinus (Pinus merkusii Jungh.) hampir sama dengan tahap produksi kayu akasia (Accacia mangium), hanya saja pada tahap ini tidak melibatkan faktor kelas umur dan volume kayu bakar. Transfer informasi pada tahap ini sama seperti transfer informasi pada produksi kayu akasia (Accacia mangium).
Suku Bunga
Luas Lahan Pinus
Produktif itas Getah Pinus ~ Luas Lahan Masuk Pinus
Produksi Getah Pinus
Pengeluaran Getah
Harga Getah Pinus
Biay a Pesiapan Sadapan
10
Biaya pengeluaran kayu didapatkan dari auxilary variable pengeluaran kayu. Auxilary variable pengeluaran kayu ini merupakan hasil dari penjumlahan
driving variable berupa biaya perencanaan dan beberapa auxilary variable yaitu biaya perlindungan, biaya pemanenan, dan biaya pada negara yang sebelumnya telah berinteraksi dengan driving variable masing-masing.
Akhir model pengelolaan getah iniberupa interaksi antara auxilary variable pengeluaran kayu dan auxilary variable pendapatan kayu total. Interaksi ini guna mendapatkan nilai NPV dan BCR pada submodel tersebut. Konseptualisasi submodel pengelolaan getah dapat dilihat pada Gambar 5.
Gambar 5. Submodel kayu tebangan e. Submodel Agroforestri
Submodel agroforestri pilihan adalah submodel yang menggambarkan pengelolaan agroforestri di KPH Bogor dengan melibatkan masyarakat sekitar hutan. Ada tiga jenis agroforestri yang dipilih diantaranya adalah garut, nanas dan ganyong. Ketiga jenis tanaman tersebut dipilih dikarenakan ketahanannya pada tempat yang ternaungi dan dapat bertahan pada iklim bogor.
Aliran informasi yang terdapat pada masing-masing tanaman adalah sama, dimana driving variable rencana luasan dibagi menjadi tiga bagian yaitu auxilary variable luas nanas, luas garut dan luas ganyong. Masing-masing luasan tersebut lalu berinteraksi dengan auxilary variable pengelolaan antara lain pemupukan, bibit, pemeliharaan, pemanenan, perkiraan biaya lain dan produksi sehingga menghasilkan variabel pengeluaran.
KPACC1 KPACC2 KPACC3 KPACC4 KPACC5 KPACC6 KPACC7
INACC1 INACC2 INACC3 INACC4 INACC5 INACC6 INACC7
OUTACC1 OUTACC2 OUTACC3
Suku Bunga
Pendapatan Kay u Total
LuasProduktif ACC Luas Rencana Tebang Pinus
A1 Pinus A2 Pinus A3 Pinus
Harga A1 Pinus Harga A2 Pinus
Harga A3 Pinus M3 Pinus
Pendapatan Kay u Pinus BCR Kay u
PV Kay u
PPH Pasal 21
A1 Aghatis A2 Aghatis A3 Aghatis
Harga A1 Aghatis Harga A2 Aghatis
Harga A3 Aghatis ~
M3 Aghatis
Pendapatan Kay u Aghatis
M3 Pinus
~
M3 Aghatis M3 ACC
11
Auxilary variable produksi digunakan untuk menghitung pendapatan, sementara auxilary variable yang lain digunakan sebagai aliran informasi untuk menghitung biaya. Konseptualisasi submodel agroforestri dapat dilihat pada Gambar 6.
Gambar 6. Submodel agroforestri
f. Submodel Perdagangan karbon
Submodel perdagangan karbon adalah submodel yang menggambarkan pengelolaan hasil hutan berupa serapan karbon yang ada di KPH Bogor. Pengelolaan yang dilakukan pada submodel ini mempunyai batasan, dimana batasan tersebut adalah pengelolaan yang hanya dilakukan pada tegakan pinus (Pinus merkusii Jungh.) dan tegakan akasia (Accacia mangium).
Submodel simulasi Perdagangan karbon terdapat aliran informasi berupa
driving variable yang berisi tentang tingkat serapan karbon dioksida (CO2) per hektar pada pohon kelas umur tertentu. Driving variable serapan karbon kemudian berinteraksi dengan auxilary variable yang berisi tentang informasi luasan jenis pohon pada umur tertentu. Interaksi yang sudah terjadi kemudian saling berinteraksi kembali satu sama lain, interaksi yang terjadi berupa penjumlahan
Luas Garut
Luas Nanas Luas Gany ong
Biay a Nanas Pendapatan Nanas Pupuk Nanas
Pemeliharaan Nanas Panen Nanas
Bibit Nanas Perkiraan Biay a Lain Nanas
Harga Nanas Produksi Nanas
Pendapatan Nanas KPH
Bibit Garut ~
Rencana Luas HHBK Simulasi
Panen Garut Pemeliharaan Garut Pupuk Garut Perkiraan Biay a Lain Garut Produksi Garut
Biay a Garut Harga Garut
Pendapatan Garut
Pendapatan Garut KPH
Total pendapatan Simulasi HHBK Bibit Gany ong Panen Gany ong Pemeliharaan Gany ong Pupuk Gany ong
Perkiraan Biay a Lain Gany ong Produksi Tepung Gany ong
Harga Tepung Gany ong
Pendapata Gany ong KPH Biay a Gany ong
Biaya Ganyong Biaya Garut Biaya Nanas
JangkaWaktu
Suku Bunga
Pengeluaran Total HHBK Simulasi
Total pendapatan Simulasi HHBK
Pendapatan HHBK Simulasi PV Simulasi HHBK
BCR Simulasi HHBK
12
nilai CO2 yang ada sehingga didapatkan auxilary variable total serapan CO2.
Auxilary variable total serapan CO2 kemudian berinteraksi dengan driving variable persen pendapatan carbon KPH dan harga carbon sehingga didapatkan nilai pendapatan karbon pada KPH Bogor. Sedangkan nilai pengeluaran carbon
didapatkan dari interaksi antara auxilary variable upah sertifikasi, verifikasi dan validasi.
Harga karbon, persen pendapatan karbon KPH, validasi, verifikasi dan upah sertifikat pada submodel ini didapatkan berdasarkan perhitungan voluntary carbon standard (AFOLU) yang tercantum pada lampiran peraturan menteri kehutanan P. 36/Menhut-II/2009. Konseptualisasi submodel ini dapat dilihat pada Gambar 7.
Gambar 7. Submodel carbon trade
Evaluasi Model
Evaluasi pada model ini dilakukan pada submodel pengelolaan getah. Submodel getah diambil sebagai bahan evaluasi dikarenakan merupakan komoditi utama yang saat ini dikelola oleh KPH Bogor. Evaluasi ini bertujuan untuk mengetahui apakah model bisa mewakili keadaan sesungguhnya atau tidak. Grafik BCR dan NPV pengelolaan getah dapat dilihat pada Gambar 8 dan Gambar 9.
P1992 P1999 P2000 P2001 P2003 P2006 P2007 P2008 P2009 P2010 P2011
P80an
13
Gambar 8. Grafik evaluasi BCR. BCR simulasi, BCR saat ini
Gambar 9. Grafik evaluasi NPV. NPV simulasi, NPV saat ini Berdasarkan Gambar 8 diatas dapat dilihat bahwa BCR simulasi berbeda dengan BCR saat ini, dimana BCR saat ini berfluktuatif. Fluktuasi dapat diakibatkan oleh satu atau banyak variabel. Sementara BCR simulasi telihat lebih konstan, hal ini dikarenakan pada BCR simulasi variabel tak tentu yang ada di BCR saat ini tidak dimasukkan. Pada grafik NPV dapat dilihat dimana NPV simulasi dengan NPV saat ini tidak ada perbedaan yang signifikan bahkan NPV simulasi hampir menyerupai dengan NPV saat ini. Dari dua gambar grafik diatas dapat disimpulkan bahwa model simulasi ini hampir menyerupai dengan desain pengelolaan getah secara nyata dilapangan, sehingga model tersebut dapat diterima untuk mewakili keadaan nyata dilapangan.
0 0,5 1 1,5 2 2,5
2008 2009 2010 2011 2012 2013
BCR
Tahun
0,00 500 000 000,00 1 000 000 000,00 1 500 000 000,00 2 000 000 000,00 2 500 000 000,00 3 000 000 000,00 3 500 000 000,00 4 000 000 000,00 4 500 000 000,00
2008 2009 2010 2011 2012
N
P
V
14
Penggunaan Model
Penggunaan model digunakan untuk mencapai tujuan berdasarkan model-model yang telah dibuat. Ketujuh submodel-model yang telah dibuat sebelumnya akan dikaitkan satu sama lain, sehingga menjadi sebuah simulasi penggunaan model. Kemudian, dari ketujuh model tersebut dibuat empat skenario simulasi penggunaan model berdasarkan model yang telah ada sebelumnya, skenario tersebut digunakan untuk perbandingan model yang memiliki tingkat keuntungan dari segi ekonomi yang tertinggi. Berikut beberapa skenario penggunaan model yang dibuat;
a. Skenario model pengelolaan KPH Bogor saat ini
Skenario ini menggunakan kombinasi model wisata, LMDH, pengelolaan getah, dan kayu tebangan. Model tersebut adalah model yang selama ini digunakan di KPH Bogor
b. Skenario model pengelolaan KPH saat ini dengan Agroforestri
Skenario ini menggunakan kombinasi model wisata, LMDH, pengelolaan getah, kayu tebangan dan Agroforestri.
c. Skenario model pengelolaan KPH saat ini dengan perdagangan karbon
Skenario ini merupakan kombinasi antara model wisata, LMDH, pengelolaan getah, dan perdagangan karbon.
d. Skenario model pengelolaan KPH saat ini dengan Agroforestri dan perdagangan karbon
Skenario ini merupakan kombinasi dari model wisata, LMDH, pengelolaan getah, kayu tebangan, Agroforestri dan perdagangan karbon.
Keempat skenario tersebut kemudian akan dibandingkan satu sama lain. Perbandingan yang dilakukan adalah perbandingan present value, net present value (NPV) dan benefit cost ratio (BCR). Berikut adalah grafik perbandingan
15
Gambar 9. Grafik perbandingan PV. PV KPH perdangangan karbon, PV KPH dengan agroforestri, PV KPH dengan agroforestri dan
perdagangan karbon, PV KPH saat ini
Gambar 10. Grafik perbandingan NPV. NPV KPH perdangangan karbon, NPV KPH dengan agroforestri, NPV KPH dengan
agroforestri dan perdagangan karbon, NPV KPH saat ini
(20 000 000 000,00) (10 000 000 000,00)
0,00 10 000 000 000,00 20 000 000 000,00 30 000 000 000,00 40 000 000 000,00 50 000 000 000,00 60 000 000 000,00 70 000 000 000,00 80 000 000 000,00
2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031
PV
Tahun
( 200 000 000 000,00)
0,00 200 000 000 000,00 400 000 000 000,00 600 000 000 000,00 800 000 000 000,00 1 000 000 000 000,00 1 200 000 000 000,00 1 400 000 000 000,00
2013 2015 2017 2019 2021 2023 2025 2027 2029 2031
N
P
V
16
Gambar 11. Grafik perbandingan BCR. BCR KPH perdangangan karbon, BCR KPH dengan agroforestri, BCR KPH dengan
agroforestri dan perdagangan karbon, BCR KPH saat ini
Memilih Skenario Model Simulasi Terbaik
Pemilihan skenario terbaik dilakukan untuk tujuan mendapatkan skenario yang memiliki tingkat pendapatan ekonomi yang terbaik. Pemilihan skenario terbaik ini didasarkan pada tingkat NPV dan BCR pada masing-masing skenario yang telah dibuat.
Tabel 2. Hasil analisis finansial 2031
Skenario NPV tahun 2031 BCR tahun 2031
KPH saat ini 5 355 180 512.78 1.4931
KPH dan agroforestri 32 706 296 193.52 1.5643
KPH dan perdagangan karbon
1 162 060 562 978.40 4.0070
KPH, agroforestri dan perdagangan karbon
1 189 411 678 659.00 3.9699
Tabel 2 menyatakan bahwa NPV KPH Bogor dengan skenario model KPH, agroforestri dan perdagangan karbon mempunyai nilai NPV tertinggi yaitu Rp1 189 411 678 659.00 selama jangka waktu simulasi yang dilakukan. Gambar 11 menyatakan bahwa BCR yang didapatkan pada akhir tahun 2031 BCR KPH perdagangan karbon dan BCR KPH, agroforestri dan perdagangan karbon menempati tingkatan yg hampir sama. Berdasarkan NPV dan BCR tersebut maka
0 2 4 6 8 10 12
2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031
BCR
17 skenario model KPH agroforestri dan perdagangan karbon merupakan yang terbaik untuk dipilih.
SIMPULAN DAN SARAN
Simpulan
Pengelolaan hutan yang dilakukan KPH bogor saat ini memiliki nilai NPV dan BCR yang kecil dimana pada akhir skenario model didapatkan NPV sebesar 5 355 180 512.78 dengan BCR 1.4931. Pengelolaan ini memiliki nilai NPV positif dan BCR diatas 1, namun tingkat pendapatan yang didapatkan sangatlah kecil dan nilai Present Value (PV) masih berada dibawah 0 (nol) sampai dengan tahun 2020. Sehingga pegelolaan hutan lebih lanjut guna memaksimalkan potensi hutan yang ada harus dilakukan untuk meningkatkan pendapatan KPH Bogor.
Berdasarkan 4 skenario yang telah dibuat, model pengelolaan KPH dengan agroforestri dan perdagangan karbon merupakan skenario terbaik yang didapatkan pada penelitian ini. Skenario ini menjadi skenario terbaik dikarenakan memiliki tingkat NPV terbesar yaitu 1 189 411 678 659.00 dan memiliki tingkat BCR yang besar yaitu 3.9699. Namun walaupun memiliki tingat BCR dan NPV tinggi, simulasi pengelolaan KPH dengan agroforestri dan perdagangan karbon tidak dapat dilakukan dikarenakan tidak adanya negara yang ingin membeli karbon. Berdasarkan hasil analisis finansial, maka simulasi model KPH dengan agroforestri merupakan simulasi yang potensial dan dapat dilakukan saat ini.
Saran
1. Skenario model pengelolaan KPH dengan Agroforestri merupakan skenario terbaik yang bisa dipilih untuk digunakan pada kondisi KPH saat ini. Hal ini disarankan karena skenario terbaik yaitu Skenario Model Pengelolaan KPH dengan Agroforestri dan Perdagangan karbon belum dapat dilaksanakan terkait kebijakan perdangangan karbon yang belum dapat dilakukan.
2. Skenario model pengelolaan KPH dengan Agroforestri dan perdagangan karbon dapat dijadikan alternatif pengelolaan ketika perdagangan karbon dapat dilakukan.
18
DAFTAR PUSTAKA
[BPPT]Badan Pengkajian dan Penerapan Teknologi. 2005. Teknologi Tepat Guna Tentang Budi Daya Pertanian. Jakarta (ID): Kementrian Negara Riset dan Teknologi RI.
[DEPHUT] Departemen Kehutanan. 2009. Peraturan Menteri Kehutanan Republik Indonesia Nomor : P.36/Menhut-II/2009 tentang Tata cara perizinan usaha pemanfaatan penyerapan dan/atau penyimpanan karbon pada hutan produksi dan hutan lindung. Jakarta (ID): Departemen Kehutanan RI.
[DEPHUT] Departemen Kehutanan. 2007. Peraturan Menteri Kehutanan No 35/Menhut II/2007 : tentang Hasil Hutan Bukan Kayu. Jakarta (ID): Departemen Kehutanan RI.
Handayani R Rosmini. 2003. Prospek pengelolaan hutan tanaman pinus mernusii
untuk tujuan perdagangan karbon di KPB Bogor perum perhutani unit III Jawa Barat. Bogor: Institut Pertanian Bogor
[KEMENKEU] Kementrian Keuangan 2009.Seri PPh- Pajak Penghasilan Pasal 21 dan 23. Jakarta (ID) : Kementrian Keuangan RI.
Perum Perhutani. 2012. Rencana Pengelolaan Hutan Kesatuan Pemangkuan Hutan Bogor jangka waktu 2012 - 2031. Bogor.
19
LAMPIRAN
Lampiran 1, Persamaan Model Simulasi
A. Submodel Perdagangan karbon
BCR_Carbon = Pendapatan_Carbon/Pengeluaran_Carbon Carbon_P80 = 502.61
Harga_Carbon = 12*12000
NPV_Carbon = Pendapatan_Carbon-Pengeluaran_Carbon P1992 = 9.3*Carbon_P92
P1999 = 1.3*Carbon_P99 P2000 = 2*Carbon_P00 P2001 = 32.75*Carbon_P01 P2003 = 12.55*Carbon_P03 P2006 = 85*Carbon_P06 P2007 = 360.45*Carbon_P07 P2008 = 311.2*Carbon_P08 P2009 = 246.63*Carbon_P09 P2010 = 79.21*Carbon_P10 P2011 = 785.46*Carbon_P11 P80an = 554.08*Carbon_P80 PACC3 = 805.71*Carbon_Acc3 PACC4 = 765.79*Carbon_Acc4 PACC5 = 681.68*Carbon_Acc5 PACC6 = 421.28*Carbon_Acc6 PACC7 = 506.05*Carbon_Acc7 Pendapatan_Carbon =
(Harga_Carbon*Total_Serapan_CO2*Persen_Pendapatan_Carbon_Pengembang) *((1+Suku_Bunga)^JangkaWaktu)
Pengeluaran_Carbon =
20
Total_Serapan_CO2 =
P1992+P1999+P2000+P2001+P2003+P2006+P2007+P2008+P2009+P2010+P20 11+P80an+PACC3+PACC4+PACC5+PACC6+PACC7
Upah_Sertifikasi = 0.04*Total_Serapan_CO2 Carbon_Acc3 = GRAPH(TIME)
(2013, 83.5), (2014, 150), (2015, 140), (2016, 162), (2017, 242), (2018, 183), (2019, 183), (2020, 269), (2021, 269), (2022, 269), (2023, 269), (2024, 269), (2025, 269), (2026, 269), (2027, 269), (2028, 269), (2029, 269), (2030, 269), (2031, 269)
Carbon_Acc4 = GRAPH(TIME)
(2013, 150), (2014, 140), (2015, 162), (2016, 242), (2017, 183), (2018, 183), (2019, 269), (2020, 269), (2021, 269), (2022, 269), (2023, 269), (2024, 269), (2025, 269), (2026, 269), (2027, 269), (2028, 269), (2029, 269), (2030, 269), (2031, 269)
Carbon_Acc5 = GRAPH(TIME)
(2013, 140), (2014, 162), (2015, 242), (2016, 183), (2017, 183), (2018, 269), (2019, 269), (2020, 269), (2021, 269), (2022, 269), (2023, 269), (2024, 269), (2025, 269), (2026, 269), (2027, 269), (2028, 269), (2029, 269), (2030, 269), (2031, 269)
Carbon_Acc6 = GRAPH(TIME)
(2013, 162), (2014, 242), (2015, 183), (2016, 183), (2017, 269), (2018, 269), (2019, 269), (2020, 269), (2021, 269), (2022, 269), (2023, 269), (2024, 269), (2025, 269), (2026, 269), (2027, 269), (2028, 269), (2029, 269), (2030, 269), (2031, 269)
Carbon_Acc7 = GRAPH(TIME)
(2013, 242), (2014, 183), (2015, 183), (2016, 269), (2017, 269), (2018, 269), (2019, 269), (2020, 269), (2021, 269), (2022, 269), (2023, 269), (2024, 269), (2025, 269), (2026, 269), (2027, 269), (2028, 269), (2029, 269), (2030, 269), (2031, 269)
Carbon_P00 = GRAPH(TIME)
21 (2025, 503), (2026, 503), (2027, 503), (2028, 503), (2029, 503), (2030, 503), (2031, 503)
Carbon_P01 = GRAPH(TIME)
(2013, 438), (2014, 474), (2015, 491), (2016, 498), (2017, 501), (2018, 502), (2019, 502), (2020, 503), (2021, 503), (2022, 503), (2023, 503), (2024, 503), (2025, 503), (2026, 503), (2027, 503), (2028, 503), (2029, 503), (2030, 503), (2031, 503)
Carbon_P03 = GRAPH(TIME)
(2013, 308), (2014, 379), (2015, 438), (2016, 474), (2017, 491), (2018, 498), (2019, 501), (2020, 502), (2021, 502), (2022, 503), (2023, 503), (2024, 503), (2025, 503), (2026, 503), (2027, 503), (2028, 503), (2029, 503), (2030, 503), (2031, 503)
Carbon_P06 = GRAPH(TIME)
(2013, 0.00), (2014, 0.00), (2015, 0.00), (2016, 0.00), (2017, 0.00), (2018, 0.00), (2019, 0.00), (2020, 0.00), (2021, 0.00), (2022, 0.00), (2023, 0.00), (2024, 0.00), (2025, 0.00), (2026, 0.00), (2027, 0.00), (2028, 0.00), (2029, 0.00), (2030, 0.00), (2031, 0.00)
Carbon_P07 = GRAPH(TIME)
(2013, 105), (2014, 139), (2015, 184), (2016, 240), (2017, 308), (2018, 379), (2019, 438), (2020, 474), (2021, 491), (2022, 498), (2023, 501), (2024, 502), (2025, 502), (2026, 503), (2027, 503), (2028, 503), (2029, 503), (2030, 503), (2031, 503)
Carbon_P08 = GRAPH(TIME)
(2013, 79.6), (2014, 105), (2015, 139), (2016, 184), (2017, 240), (2018, 308), (2019, 379), (2020, 438), (2021, 474), (2022, 491), (2023, 498), (2024, 501), (2025, 502), (2026, 502), (2027, 503), (2028, 503), (2029, 503), (2030, 503), (2031, 503)
Carbon_P09 = GRAPH(TIME)
22
Carbon_P10 = GRAPH(TIME)
(2013, 45.3), (2014, 60.1), (2015, 79.6), (2016, 105), (2017, 139), (2018, 184), (2019, 240), (2020, 308), (2021, 379), (2022, 438), (2023, 474), (2024, 491), (2025, 498), (2026, 501), (2027, 502), (2028, 502), (2029, 503), (2030, 503), (2031, 503)
Carbon_P11 = GRAPH(TIME)
(2013, 34.2), (2014, 45.3), (2015, 60.1), (2016, 79.6), (2017, 105), (2018, 139), (2019, 184), (2020, 240), (2021, 308), (2022, 379), (2023, 438), (2024, 474), (2025, 491), (2026, 498), (2027, 501), (2028, 502), (2029, 502), (2030, 503), (2031, 503)
Carbon_P92 = GRAPH(TIME)
(2013, 503), (2014, 503), (2015, 503), (2016, 503), (2017, 503), (2018, 503), (2019, 503), (2020, 503), (2021, 503), (2022, 503), (2023, 503), (2024, 503), (2025, 503), (2026, 503), (2027, 503), (2028, 503), (2029, 503), (2030, 503), (2031, 503)
Carbon_P99 = GRAPH(TIME)
(2013, 491), (2014, 498), (2015, 501), (2016, 502), (2017, 502), (2018, 503), (2019, 503), (2020, 503), (2021, 503), (2022, 503), (2023, 503), (2024, 503), (2025, 503), (2026, 503), (2027, 503), (2028, 503), (2029, 503), (2030, 503), (2031, 503)
Validasi = GRAPH(TIME)
(2013, 1.5e+008), (2014, 0.00), (2015, 0.00), (2016, 0.00), (2017, 0.00), (2018, 1.5e+008), (2019, 0.00), (2020, 0.00), (2021, 0.00), (2022, 0.00), (2023, 1.5e+008), (2024, 0.00), (2025, 0.00), (2026, 0.00), (2027, 0.00), (2028,
1.5e+008), (2029, 0.00), (2030, 0.00), (2031, 0.00) Verifikasi = GRAPH(TIME)
(2013, 3.6e+008), (2014, 0.00), (2015, 0.00), (2016, 0.00), (2017, 0.00), (2018, 3.6e+008), (2019, 0.00), (2020, 0.00), (2021, 0.00), (2022, 0.00), (2023, 3.6e+008), (2024, 0.00), (2025, 0.00), (2026, 0.00), (2027, 0.00), (2028,
3.6e+008), (2029, 0.00), (2030, 0.00), (2031, 0.00)
23 JangkaWaktu(t) = JangkaWaktu(t - dt) + (Waktu) * dtINIT JangkaWaktu = Waktu
INFLOWS: Waktu = 1
BCR_GETAH = Pendapatan_Total_Getah/Pengeluaran_Getah Biaya_Pemungutan = 380617.6035*LuasTotalProduksi
Biaya_Pengangkutan = 58167.0133*LuasTotalProduksi Biaya_Pesiapan_Sadapan = 415846.9087*LuasTotalProduksi Biaya_Sadapan = 1369744.0231*LuasTotalProduksi
Harga_Getah_Karet = 8000000 Harga_Getah_Pinus = 4000000 Harga_Kopal = 5000000
Iuran_Hasil_Hutan = 14164.2207*LuasTotalProduksi LuasTotalProduksi =
Luas_Karet+Luas_Lahan_Agathis+Luas_Lahan_Masuk_Pinus Luas_Lahan_Pinus = 0+Luas_Lahan_Masuk_Pinus
NPV_GETAH = Pendapatan_Total_Getah-Pengeluaran_Getah Pendapatan_Getah_Pinus =
(Harga_Getah_Pinus*Produksi_Getah_Pinus)*((1+Suku_Bunga)^JangkaWaktu) Pendapatan_Karet =
(Harga_Getah_Karet*Produksi_Karet)*((1+Suku_Bunga)^JangkaWaktu) Pendapatan_Kopal =
(Harga_Kopal*Produksi_Kopal)*((1+Suku_Bunga)^JangkaWaktu) Pendapatan_Total_Getah =
Pendapatan_Getah_Pinus+Pendapatan_Karet+Pendapatan_Kopal Pengeluaran_Getah =
(Biaya_Pemungutan+Biaya_Pengangkutan+Biaya_Pesiapan_Sadapan+Biaya_Sad apan+Iuran_Hasil_Hutan)*((1+Suku_Bunga)^JangkaWaktu)
Produksi_Getah_Pinus = Luas_Lahan_Pinus*Produktifitas_Getah_Pinus Produksi_Karet = Produktifitas_Karet*Luas_Karet
24
Produktifitas_Karet = 1.19 Produktifitas_Kopal = 0.138 Suku_Bunga = 0.07
Luas_Karet = GRAPH(TIME)
(2013, 0.00), (2014, 0.00), (2015, 0.00), (2016, 0.00), (2017, 0.00), (2018, 164), (2019, 321), (2020, 486), (2021, 658), (2022, 816), (2023, 816), (2024, 816), (2025, 816), (2026, 816), (2027, 816), (2028, 816), (2029, 816), (2030, 816), (2031, 816)
Luas_Lahan_Agathis = GRAPH(TIME)
(2013, 25.7), (2014, 25.7), (2015, 62.5), (2016, 62.5), (2017, 62.5), (2018, 62.5), (2019, 62.5), (2020, 180), (2021, 180), (2022, 180), (2023, 180), (2024, 180), (2025, 180), (2026, 180), (2027, 180), (2028, 180), (2029, 180), (2030, 180), (2031, 180)
Luas_Lahan_Masuk_Pinus = GRAPH(TIME)
(2013, 609), (2014, 621), (2015, 621), (2016, 621), (2017, 706), (2018, 950), (2019, 1014), (2020, 1196), (2021, 1259), (2022, 2090), (2023, 2561), (2024, 3744), (2025, 5673), (2026, 7185), (2027, 8883), (2028, 10482), (2029, 11663), (2030, 12431), (2031, 13024)
C. Submodel HHBK Simulasi Pilihan BCR_Simulasi_HHBK =
Pendapatan_HHBK_Simulasi/Biaya_Total_HHBK_Simulasi Biaya_Ganyong =
Bibit_Ganyong+Panen_Ganyong+Pemeliharaan_Ganyong+Perkiraan_Biaya_Lain _Ganyong+Pupuk_Ganyong
Biaya_Garut =
Bibit_Garut+Panen_Garut+Pemeliharaan_Garut+Perkiraan_Biaya_Lain_Garut+P upuk_Garut
Biaya_Nanas =
25 Biaya_Total_HHBK_Simulasi =
(Biaya_Ganyong+Biaya_Garut+Biaya_Nanas)*((1+Suku_Bunga)^JangkaWaktu) Bibit_Ganyong = 2500*Luas_Ganyong*250
Bibit_Garut = 2000*Luas_Garut*250 Bibit_Nanas = 1000*Luas_Nanas*500 Harga_Garut = 450
Harga_Nanas = 1500
Harga_Tepung_Ganyong = 6000*Produksi_Ganyong Luas_Ganyong = 30/100*Rencana_Luas_HHBK_Simulasi Luas_Garut = 30/100*Rencana_Luas_HHBK_Simulasi Luas_Nanas = 40/100*Rencana_Luas_HHBK_Simulasi NPV_Simulasi_HHBK = Pendapatan_HHBK_Simulasi-Biaya_Total_HHBK_Simulasi
Panen_Ganyong = 80000*Luas_Ganyong Panen_Garut = 230000*Luas_Garut Panen_Nanas = 15000*Luas_Nanas
Pemeliharaan_Ganyong = 85000*Luas_Ganyong Pemeliharaan_Garut = 245000*Luas_Garut Pemeliharaan_Nanas = 26000*Luas_Nanas
Pendapatan_Garut = Harga_Garut*Produksi_Garut Pendapatan_Garut_KPH = 0.5*Pendapatan_Garut Pendapatan_HHBK_Simulasi =
(Total_pendapatan_Simulasi_HHBK)*((1+Suku_Bunga)^JangkaWaktu) Pendapatan_Nanas = Harga_Nanas*Produksi_Nanas
Pendapatan_Nanas_KPH = 0.5*Pendapatan_Nanas
Pendapata_Ganyong_KPH = Harga_Tepung_Ganyong*0.5 Perkiraan_Biaya_Lain_Ganyong =
(Bibit_Ganyong+Panen_Ganyong+Pemeliharaan_Ganyong+Pupuk_Ganyong)*0. 1
Perkiraan_Biaya_Lain_Garut =
26
Perkiraan_Biaya_Lain_Nanas =
(Bibit_Nanas+Panen_Nanas+Pemeliharaan_Nanas+Pupuk_Nanas)*0.1 Produksi_Ganyong = 10000*Luas_Ganyong
Produksi_Garut = 14000*Luas_Garut Produksi_Nanas = 0.8*1000*Luas_Nanas Pupuk_Ganyong = 500000*Luas_Ganyong Pupuk_Garut = 1400000*Luas_Garut Pupuk_Nanas = 90000*Luas_Nanas Total_pendapatan_Simulasi_HHBK =
Pendapatan_Garut_KPH+Pendapatan_Nanas_KPH+Pendapata_Ganyong_KPH Rencana_Luas_HHBK_Simulasi = GRAPH(TIME)
(2013, 100), (2014, 200), (2015, 300), (2016, 400), (2017, 500), (2018, 600), (2019, 700), (2020, 800), (2021, 900), (2022, 1000), (2023, 1100), (2024, 1200), (2025, 1300), (2026, 1400), (2027, 1500), (2028, 1600), (2029, 1700), (2030, 1800), (2031, 1900)
D. Laba Rugi
BCR_KPH_CARBON_TRADE =
Pendapatan_Total_KPH_Simulasi_2/Pengeluaran_Total_KPH_Simulasi_2 BCR_KPH_NORMAL = Pendapatan_Total_KPH/Pengeluaran_Total_KPH BCR_KPH_Simulasi_HHBK =
Pendapatan_Total_KPH_Simulasi_1/Pengeluaran_Total_KPH_Simulasi_1 BCR_KPH_Simulasi_HHBK_dan_Carbon =
Pendapatan_Total_KPH_Simulasi_3/Pengeluaran_Total_KPH_Simulasi_3 NPV_KPH_CARBON_TRADE = Pendapatan_Total_KPH_Simulasi_2-Pengeluaran_Total_KPH_Simulasi_2
NPV_KPH_Dengan_Simulasi_HHBK =
Pendapatan_Total_KPH_Simulasi_1-Pengeluaran_Total_KPH_Simulasi_1 NPV_KPH_Dengan_Simulasi_HHBK_dan_Carbon =
27 Pendapatan_Total_KPH =
Pendapatan_Kayu_Total+Pendapatan_Total_Getah+Pendapatan_Total_LMDH+P endapatan_Wisata
Pendapatan_Total_KPH_Simulasi_1 =
Pendapatan_Kayu_Total+Pendapatan_Total_Getah+Pendapatan_Total_LMDH+P endapatan_Wisata+Pendapatan_HHBK_Simulasi
Pendapatan_Total_KPH_Simulasi_2 =
Pendapatan_Total_Getah+Pendapatan_Total_LMDH+Pendapatan_Wisata+Penda patan_Carbon
Pendapatan_Total_KPH_Simulasi_3 =
Pendapatan_Carbon+Pendapatan_Total_Getah+Pendapatan_Total_LMDH+Penda patan_Wisata+Pendapatan_HHBK_Simulasi
Pengeluaran_Total_KPH =
Pengeluaran_Getah+Pengeluaran_Kayu+Pengeluaran_LMDH+Pengeluaran_Wisa ta
Pengeluaran_Total_KPH_Simulasi_1 =
Pengeluaran_Getah+Pengeluaran_Kayu+Pengeluaran_LMDH+Pengeluaran_Wisa ta+Biaya_Total_HHBK_Simulasi
Pengeluaran_Total_KPH_Simulasi_2 =
Pengeluaran_Getah+Perlindungan_Hutan+Pengeluaran_LMDH+Pengeluaran_Wi sata+Pengeluaran_Carbon
Pengeluaran_Total_KPH_Simulasi_3 =
Pengeluaran_Getah+Pengeluaran_Carbon+Pengeluaran_LMDH+Pengeluaran_Wi sata+Biaya_Total_HHBK_Simulasi+Perlindungan_Hutan
Perlindungan_Hutan =
(BiayaPerlindungan)*((1+Suku_Bunga)^JangkaWaktu)
E. Submodel LMDH Air = 26760920
BCR_LMDH = Pendapatan_Total_LMDH/Pengeluaran_LMDH Harga_Durian = 10000
28
Harga_Padi = 2000
Harga_Sarang_Burung = 2500000 Harga_Silvo = 10254
Harga_Teh = 12500 KgPerHa = 273
Kopi = Harga_Kopi*Luas_Kopi*Produktifitas_Kopi*Peningkatan_Kopi Luas_Kopi = 149
Luas_Padi = 42.20 Luas_Silvo = 4903.24
NPV_LMDH = Pendapatan_Total_LMDH-Pengeluaran_LMDH Padi = Harga_Padi*Luas_Padi*Produktifitas_Padi*Peningkatan_Padi Pendapatan_Air = Air*((1+Peningkatan_Air)^JangkaWaktu)
Pendapatan_Durian =
(Harga_Durian*Produksi_Durian)*((1+Peningkatan_Durian)^JangkaWaktu) Pendapatan_Sarang_Burung =
Harga_Sarang_Burung*Produksi_Sarang_Burung*Peningkatan_Sarang_Burung Pendapatan_Silvofishery =
(Harga_Silvo*Luas_Silvo*Produktifitas_Silvo)*((1+Peningkatan_Silvo)^Jangka Waktu)
Pendapatan_Teh = Harga_Teh*Luas_Teh*KgPerHa Pendapatan_Total_LMDH =
(Kopi+Padi+Pendapatan_Air+Pendapatan_Durian+Pendapatan_Sarang_Burung+ Pendapatan_Silvofishery+Pendapatan_Teh)*((1+Suku_Bunga)^JangkaWaktu)
Pengeluaran_LMDH =
(300000000+(300000000*((1+Peningkatan_Pengeluaran_LMDH)^JangkaWaktu) ))*((1+Suku_Bunga)^JangkaWaktu)
Peningkatan_Air = 0.19 Peningkatan_Durian = 0.1
Peningkatan_Pengeluaran_LMDH = 0.05 Peningkatan_Silvo = 0.1
Produksi_Durian = 300
29 Produktifitas_Kopi = 453.0738
Produktifitas_Padi = 251.98104 Produktifitas_Silvo = 0.9827 Luas_Teh = GRAPH(TIME)
(2013, 50.0), (2014, 91.0), (2015, 91.0), (2016, 91.0), (2017, 91.0), (2018, 91.0), (2019, 91.0), (2020, 91.0), (2021, 91.0), (2022, 91.0), (2023, 91.0), (2024, 91.0), (2025, 91.0), (2026, 91.0), (2027, 91.0), (2028, 91.0), (2029, 91.0), (2030, 91.0), (2031, 91.0)
Peningkatan_Kopi = GRAPH(TIME)
(2013, 0.00), (2014, 0.00), (2015, 0.00), (2016, 0.00), (2017, 0.00), (2018, 1.10), (2019, 1.10), (2020, 1.10), (2021, 1.10), (2022, 1.10), (2023, 1.21), (2024, 1.21), (2025, 1.21), (2026, 1.21), (2027, 1.21), (2028, 1.33), (2029, 1.33), (2030, 1.33), (2031, 1.33)
Peningkatan_Padi = GRAPH(TIME)
(2013, 0.00), (2014, 0.00), (2015, 0.00), (2016, 0.00), (2017, 0.00), (2018, 1.10), (2019, 1.10), (2020, 1.10), (2021, 1.10), (2022, 1.10), (2023, 1.21), (2024, 1.21), (2025, 1.21), (2026, 1.21), (2027, 1.21), (2028, 1.33), (2029, 1.33), (2030, 1.33), (2031, 1.33)
Peningkatan_Sarang_Burung = GRAPH(TIME)
(2013, 0.00), (2014, 0.00), (2015, 0.00), (2016, 0.00), (2017, 0.00), (2018, 1.10), (2019, 1.10), (2020, 1.10), (2021, 1.10), (2022, 1.10), (2023, 1.21), (2024, 1.21), (2025, 1.21), (2026, 1.21), (2027, 1.21), (2028, 1.33), (2029, 1.33), (2030, 1.33), (2031, 1.33)
F. Submodel Kayu Tebangan
KPACC1(t) = KPACC1(t - dt) + (INACC1 - INACC2) * dtINIT KPACC1 = 314.23
INFLOWS:
INACC1 = OUTACC1+OUTACC2+OUTACC3+OUTACC4 OUTFLOWS:
30
KPACC2(t) = KPACC2(t - dt) + (INACC2 - INACC3) * dtINIT KPACC2 = 491.06
INFLOWS:
INACC2 = KPACC1 OUTFLOWS:
INACC3 = KPACC2
KPACC3(t) = KPACC3(t - dt) + (INACC3 - INACC4) * dtINIT KPACC3 = 805.71
INFLOWS:
INACC3 = KPACC2 OUTFLOWS:
INACC4 = KPACC3
KPACC4(t) = KPACC4(t - dt) + (INACC4 - INACC5 - OUTACC1) * dtINIT KPACC4 = 765.79
INFLOWS:
INACC4 = KPACC3 OUTFLOWS:
INACC5 = KPACC4
OUTACC1 = 0.0035*KPACC4
KPACC5(t) = KPACC5(t - dt) + (INACC5 - INACC6 - OUTACC2) * dtINIT KPACC5 = 681.68
INFLOWS:
INACC5 = KPACC4 OUTFLOWS:
INACC6 = KPACC5
OUTACC2 = 0.25*KPACC5
KPACC6(t) = KPACC6(t - dt) + (INACC6 - INACC7 - OUTACC3) * dtINIT KPACC6 = 421.28
INFLOWS:
INACC6 = KPACC5 OUTFLOWS:
31 OUTACC3 = 0.600*KPACC6
KPACC7(t) = KPACC7(t - dt) + (INACC7 - OUTACC4) * dtINIT KPACC7 = 506.05
INFLOWS:
INACC7 = KPACC6 OUTFLOWS:
OUTACC4 = KPACC7
A1_ACC = (86.81/100)*M3_ACC A1_Aghatis = (74/100)*M3_Aghatis A1_Pinus = (65.2/100)*M3_Pinus A2_ACC = (13.06/100)*M3_ACC A2_Aghatis = (24/100)*M3_Aghatis A2_Pinus = (30.0/100)*M3_Pinus A3_ACC = (0.12/100)*M3_ACC A3_Aghatis = (2/100)*M3_Aghatis A3_Pinus = (4.8/100)*M3_Pinus
BCR_Kayu = Pendapatan_Kayu_Total/Pengeluaran_Kayu BiayaAgraria = 200000000
BiayaPadaNegara = PBB+PPH_Pasal_21+PPH_Pasal_23
BiayaPemanenan = Pengangkutan+Sarad+SaranaPrasaranaTebangan BiayaPerencanaan = 2928254990
BiayaPerlindungan =
BiayaAgraria+HonorariumPerwiraKeamanan+PerlindunganKebakaran+Perlindun ganPencurian+PerlindunganPengembalaan
32
Harga_A3_Aghatis = 660000 Harga_A3_Pinus = 650000
HonorariumPerwiraKeamanan = 45000000
LuasProduktifACC = OUTACC3+OUTACC1+OUTACC2+OUTACC4 M3_ACC = 9.0987*LuasProduktifACC
M3_Pinus = 16.07*Luas_Rencana_Tebang_Pinus
NPV_Kayu = Pendapatan_Kayu_Total-Pengeluaran_Kayu PBB = 800000000
PendapatanACC =
HargaA1ACC*A1_ACC+HargaA2ACC*A2_ACC+HargaA3ACC*A3_ACC PendapatanKayuBakar = HargaKayuBakar*PotensiKayuBakar
PendapatanTotalACC = (PendapatanACC+PendapatanKayuBakar) Pendapatan_Kayu_Aghatis =
A1_Aghatis*Harga_A1_Aghatis+A2_Aghatis*Harga_A2_Aghatis+A3_Aghatis* Harga_A3_Aghatis
Pendapatan_Kayu_Pinus =
A1_Pinus*Harga_A1_Pinus+A2_Pinus*Harga_A2_Pinus+A3_Pinus*Harga_A3_ Pinus
Pendapatan_Kayu_Total =
(PendapatanTotalACC+Pendapatan_Kayu_Pinus+Pendapatan_Kayu_Aghatis)*(( 1+Suku_Bunga)^JangkaWaktu)
Pengangkutan = 850000000 Pengeluaran_Kayu =
(BiayaPerencanaan+BiayaPemanenan+BiayaPerlindungan+BiayaPadaNegara)*(( 1+Suku_Bunga)^JangkaWaktu)
PerlindunganKebakaran = 30000000 PerlindunganPencurian = 300000000 PerlindunganPengembalaan = 10000000
PotensiKayuBakar = 2.068*LuasProduktifACC PPH_Pasal_21 = 138821000
33 SaranaPrasaranaTebangan = 80000000
Luas_Rencana_Tebang_Pinus = GRAPH(TIME)
(2013, 2.00), (2014, 149), (2015, 59.0), (2016, 415), (2017, 15.0), (2018, 334), (2019, 639), (2020, 648), (2021, 1210), (2022, 734), (2023, 1224), (2024, 1007), (2025, 934), (2026, 1543), (2027, 1085), (2028, 1576), (2029, 1351), (2030, 1195), (2031, 1814)
M3_Aghatis = GRAPH(TIME)
(2013, 0.00), (2014, 0.00), (2015, 70.0), (2016, 0.00), (2017, 0.00), (2018, 0.00), (2019, 0.00), (2020, 383), (2021, 0.00), (2022, 0.00), (2023, 0.00), (2024, 0.00), (2025, 626), (2026, 0.00), (2027, 0.00), (2028, 0.00), (2029, 0.00), (2030, 0.00), (2031, 0.00)
G. Submodel Wisata
Batu_Layang = 5612792*((1+PeningkatanBatuLayang)^JangkaWaktu) BCR_Wisata = Pendapatan_Wisata/Pengeluaran_Wisata
Biaya_Lainnya =
269682479*((1+Peningkatan_Biaya_Lainnya)^JangkaWaktu) Biaya_Perencanaan =
862200*((1+Peningkatan_Biaya_Perencanaan)^JangkaWaktu) C_Cipamingkis =
245281869*((1+PeningkatanCurugCipamingkis)^JangkaWaktu)
C_Citamiang = 9109200*((1+PeningkatanCurugCitamiang)^JangkaWaktu) C_Citeko = 11130000*((1+PeningkatanCurugCiteko)^JangkaWaktu) C_Panjang = 189428715*((1+PeningkatanCurugPanjang)^JangkaWaktu) Eksploitasi_Wisata =
59471958*((1+Peningkatan_Eksploitasi_Wisata)^JangkaWaktu) NPV_Wisata = Pendapatan_Wisata-Pengeluaran_Wisata Pendapatan_Wisata =
(Batu_Layang+C_Cipamingkis+C_Citamiang+C_Citeko+C_Panjang+P_Cangkir) *((1+Suku_Bunga)^JangkaWaktu)
Pengeluaran_Wisata =
34
asarana+Upah_Pegawai_Kontrak+Pengembangan_Wisata)*((1+Suku_Bunga)^Ja ngkaWaktu)
Pengembangan_Wisata =
3232111245*((1+Peningkatan_Pengembangan_WIsata)^JangkaWaktu) PeningkatanBatuLayang = 0.1721
PeningkatanCurugCipamingkis = 0.1808 PeningkatanCurugCitamiang = 0.1721 PeningkatanCurugCiteko = 0.2733 PeningkatanCurugPanjang = 0.3086 PeningkatanPulauCangkir = 0.2761 PeningkatanSaranadanPrasarana = 0.1 PeningkatanUpahPegawaiKontrak = 0.1 Peningkatan_Biaya_Lainnya = 0.143 Peningkatan_Biaya_Perencanaan = 0.1 Peningkatan_Eksploitasi_Wisata = 0.1557 Peningkatan_Pengembangan_WIsata = 0.12 PerawatanSaranadanPrasarana =
28400879*((1+PeningkatanSaranadanPrasarana)^JangkaWaktu)
P_Cangkir = 39368779*((1+PeningkatanPulauCangkir)^JangkaWaktu) Upah_Pegawai_Kontrak =
Lampriran 2. Pengeluaran dan Pendapatan KPH selama 5 (Lima) tahun
Tabel 3. Pengeluaran dan Pendapatan KPH selama 5 (Lima) tahun
2008 2009 2010 2011 2012
HASIL HUTAN KAYU OUTCOME
Perencanaan hutan (2,867,810,775) (2,170,774,288) (2,281,032,121) (767,879,907) (2,928,254,990) Perlindungan hutan (1,043,457,957) (1,118,890,257) (630,071,371) (1,278,691,638) (970,301,529)
Pemanenan hutan (3,923,823,460) (3,743,801,221) (3,922,045,876) (3,289,610,860) (2,643,919,383) Iuran ke negara (560,911,556) (718,890,776) (988,107,875) (825,237,408) (1,008,018,722) Biaya lain (5,041,971,508) (4,973,908,683) (7,071,492,192) (10,425,212,394) (9,980,760,187) INCOME
Pendapatan 5,732,898,205 3,099,379,470 3,538,259,488 4,699,176,562 3,728,885,590
Total (7,705,077,051) (9,626,885,755) (11,354,489,947) (11,887,455,645) (13,802,369,221) GETAH
OUTCOME
Sadapan (792,091,760) (1,010,254,891) (877,506,302) (1,359,055,612) (1,133,011,014 )
Pengangkutan (137,021,386) (70,601,912) (126,122,708) (304,213,957) (287,409,626)
INCOME
Pendapatan 1,704,972,070 1,842,563,316 1,991,258,176 2,151,952,711 2,325,615,294
3
2008 2009 2010 2011 2012
WISATA OUTCOME
Biaya eksploitasi wisata
(67,885,681) (95,680,371) (164,917,716) (385,159,116) (59,471,958) Biaya lain (5,934,532,627) (5,997,332,022) (7,518,153,241) (6,977,704,731) (9,870,470,442) INCOME
Pendapatan 112,093,590 498,633,255 860,258,361 253,339,043 499,931,355
Total (5,890,324,718) (5,594,379,138) (6,828,812,596) (7,109,524,804) (9,430,011,045) LMDH
OUTCOME
PMDH (142,663,900) (83,792,650) (89,581,650) (276,485,100) (209,921,588)
INCOME
Pendapatan 72,481,510 65,595,409 159,453,104 195,507,884 297,546,450
RIWAYAT HIDUP
Penulis bernama lengkap Hamim Thohari, dilahirkan di Jakarta pada tanggal 20 Maret 1991.Penulis merupakan putra sulung dari tiga bersaudara yang berasal dari pasangan Bapak Sugino dan Ibu Sri Kanah.
Penulis menyelesaikan pendidikan dasar di SD Negeri 16 Tangerang pada tahun 2002, Pendidikan menengah pertama di SMP Negeri 3 Tangerang pada tahun 2005, dan pendidikan menengah atas di SMA Budi Luhur Tangerang pada tahun 2008. Kemudian, pada tahun 2008 penulis diterima sebagai mahasiswa di Institut Pertanian Bogor melalui Seleksi Masuk Perguruan Tinggi Negri (SMPTN) tahun 2008 dengan Program Mayor Manajemen Hutan di Departemen Manajemen Hutan, Fakultas Kehutanan.
Selama menjadi mahasiswa di IPB, penulis aktif di berbagai organisasi
kemahasiswaan sebagai anggota divisi PSDM FMSC Fahutan IPB tahun 2010–2011,
anggota divisi PSDM PC Sylva Indonesia tahun 2011–2012. Selain aktif di organisasi
kemahasiswaan, penulis juga aktif dalam mencari pengalaman bekerja. Pada tahun 2010, penulis mengikuti magang di Taman Nasional Ujung Kulon (TNUK) Provinsi
Banten. Tahun 2011–2012 penulis bekerja sebagai asisten praktikum ilmu ukur tanah
dan pemetaan wilayah, dan teknik inventarisasi hutan untuk mahasiswa Fakultas Kehutanan IPB. Pada tahun 2012-2013 penulis bekerja sebagai asisten praktikum ilmu ukur tanah dan pemetaan wilayah dan Praktek Pengelolaan Hutan (P2H) untuk mahasiswa Fakultas Kehutanan IPB. Penulis melaksanakan Praktik Pengenalan Ekosistem Hutan (P2EH) di Cilacap-Batur Raden, tahun 2010 melaksanakan Praktik Pengelolaan Hutan (P2H) di Hutan Pendidikan Gunung Walat dan Cianjur, dan tahun 2011 penulis melakukan Praktik Kerja Lapang (PKL) di IUPHHKA-HA PT Diamond Raya Timber pada tanggal 15 Februari s/d 15 April 2012. Pada awal tahun 2011, penulis pernah mengikuti Program Karya Mahasiswa dalam bidang Pengabdian pada
Masyarakat (PKM-M) dan didanai DIKTI dengan judul “Introduksi Sistem
Agroforestry pada Hutan Rakyat Desa Jugalajaya Kecamatan Jasinga Kabupaten
Bogor”.
Sebagai salah satu syarat untuk meraih gelar Sarjana Kehutanan di Institut
Pertanian Bogor penulis menyelesaikan skripsi dengan judul “Model Simulasi
Pengelolaan Hutan di Kesatuan Pemangkuan Hutan (KPH) Bogor” dibimbing oleh Dr Ir Budi Kuncahyo, MS