MODEL PENDUGAAN KERUGIAN AKIBAT BENCANA
LETUSAN GUNUNG API DI SEKTOR PERTANIAN
LESTARI DWI ASIH
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI TESIS DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa tesis berjudul Model Pendugaan Kerugian Akibat Bencana Letusan Gunung Api di Sektor Pertanian 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 tesis ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.
Bogor, Agustus 2015
Lestari Dwi Asih
RINGKASAN
LESTARI DWI ASIH. Model Pendugaan Kerugian Akibat Bencana Letusan Gunung Api di Sektor Pertanian . Dibimbing oleh HADI SUMARNO dan PAIAN SIANTURI.
Indonesia merupakan negara agraris. Ironisnya, sebagai negara agraris Indonesia ternyata belum memiliki kemandirian dan kedaulatan dalam hal pemenuhan kebutuhan pangan bagi rakyatnya. Hal ini diperparah dengan bencana-bencana yang terjadi di Indonesia yang menyebabkan produktivitas di sektor pertanian menurun. Salah satu bencana tersebut adalah letusan gunung api. Lahar panas, lahar dingin dan abu serta lontaran material-material gunung api yang dikeluarkan saat terjadinya letusan gunung api telah menyebabkan rusaknya lahan, tanaman-tanaman pangan, holtikultura dan pekebunan yang berada di sekitar gunung api yang meletus. Tentu saja hal ini dapat menyebabkan kerugian di sektor pertanian.
Oleh sebab itu dalam penelitian ini, akan dikembangkan model pendugaan kerugian akibat letusan gunung api di sektor pertanian. Model pendugaan kerugian yang digunakan merupakan pengembangan dari model yang dikembangkan oleh International Center of Geohazard (ICG), melalui NORSAR (Norwegia) dan University of Alicante (Spanyol) yang diterapkan di sebuah alat yang disebut SELENA (SEismic Loss EstimatioN using logic tree Approach) yang digunakan untuk menduga kerugian ekonomi akibat bencana gempa bumi. Oleh karena bencana gempa bumi dan letusan gunung api diasumsikan sama-sama memiliki peluang kerusakan yang bergantung terhadap jarak lokasi ke pusat bencana, maka model SELENA tersebut dapat diterapkan untuk bencana letusan gunung api dengan menyesuaikan beberapa parameter. Beberapa parameter yang harus disesuaikan, yaitu tipe hunian, tipe bangunan dan jenis kerusakan diasosiasikan dengan jenis tanaman, umur tanaman dan zona rawan bencana. Perhitungan luas area tanam, peluang kerugian dan biaya investasi juga perlu disesuaikan untuk menghitung total kerugian ekonomi yang dialami akibat letusan gunung api. Berdasarkan model perhitungan kerugian akibat bencana gunung api dan dengan menggunakan data luas area tanam untuk masing-masing tanaman jenis-i berumur-j yang berada di zona-k, serta dengan menggunakan data hipotetik untuk peluang rusak total, peluang rusak tanaman jenis-i, peluang rusak tanaman berumur-j, peluang rusak tanaman berada di zona-k diperoleh nilai kerugian dan selang kerugian yang dialami per hektar luas tanaman jenis-i berumur-j berada di zona-k.
Diharapkan model pendugaan ini dapat memudahkan pemerintah lokal atau pemerintah pusat dalam menghitung dana yang dibutuhkan pasca bencana letusan gunung api.
SUMMARY
LESTARI DWI ASIH. Loss Estimation Model Caused by Vulcano Eruption in Agriculture Sector. Supervised by HADI SUMARNO and PAIAN SIANTURI.
Indonesia is an agricultural country. Ironically, as an agricultural country Indonesia has yet to have the independence and sovereignty in terms of food needs for its people. This is compounded by the disasters that occurred in Indonesia, which led to decreased productivity in the agricultural sector. One such disaster is of volcanic eruptions. The hot lava, cold lava and ash as well as burst of volcanic materials emitted when a volcanic eruption occurred has caused damage to land, crops, horticulture and plantation located around the erupting volcano. Of course this can cause losses in the agricultural sector.
Therefore, in this study, will be developed loss estimation models due to volcanic eruption in the agricultural sector. The loss estimation model used was adopted from a model developed by the International Center of Geohazard (ICG), through NORSAR (Norway) and the University of Alicante (Spain) implemented in a tool called SELENA (Seismic Loss Estimation using logic Approach tree) which is used to estimate the economic loss due to the earthquake. Because we assumed that earthquakes and volcanic eruptions have the same probability of damage depends on the distance to the center of the disaster, then the SELENA model can be applied to volcanic eruption by adjusting some parameters. Some parameters adjusted are the type of occupancy, type of building and level of damage is thought to match with the type of plant, plant age and disaster-prone zones. Calculation of area planted, probability of damages and costs of investment also need to be adjusted to calculate the total economic loss. Based on loss estimation model and by using the data area planted for each plant type-i aged-j in zone-k and hypothetical data of total damaged probability, plant type-i damaged probability, plant aged-j damaged probability, plant in zone-k damaged probability obtained value of the economic loss and interval of loss for each plant type-i
© Hak Cipta Milik IPB, Tahun 2015
Hak Cipta Dilindungi Undang-Undang
Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah; dan pengutipan tersebut tidak merugikan kepentingan IPB
Tesis
sebagai salah satu syarat untuk memperoleh gelar Magister Sains
pada
Program Studi Matematika Terapan
MODEL PENDUGAAN KERUGIAN AKIBAT BENCANA
LETUSAN GUNUNG API DI SEKTOR PERTANIAN
SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR 2015
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Januari 2014 ini ialah pengembangan model pendugaan kerugian, dengan judul Model Pendugaan Kerugian Akibat Bencana Letusan Gunung Api di Sektor Pertanian.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Hadi Sumarno, MS dan Bapak Dr Paian Sianturi selaku pembimbing, serta Bapak I Gusti Putu Purnaba yang telah banyak memberi kritik dan saran yang membangun. Ungkapan terima kasih sebesar-besarnya juga disampaikan kepada ayahanda Suparno, ibunda Soleka, kakak Eko Purnomo beserta istrinya mba Lia Daniawati dan adik Tri Hariyanto yang tak henti-hentinya memberikan doa, kasih sayang dan semangat kepada penulis. Terima kasih juga kepada keluarga besar, dosen-dosen dan Staf Departemen Matematika IPB, teman-teman seperjuangan Windiani dan Randita, sahabat-sahabat tercinta Grace, Eka, Dini, Mona, Mirna, Trina, teman-teman Matematika 46 dan kakak-kakak Matematika Terapan S2 IPB yang membantu, memberikan doa, dan semangat kepada penulis. Semoga karya ilmiah ini bermanfaat.
.
Bogor, Agustus 2015
DAFTAR ISI
DAFTAR TABEL vi
DAFTAR GAMBAR vi
1 PENDAHULUAN
Latar Belakang 1
Tujuan Penelitian 2
Metodologi Penelitian 2
2 TINJAUAN PUSTAKA Istilah-istilah 4
Model SELENA 4
Peluang 6
Simulasi 8
3 MODEL PENDUGAAN KERUGIAN Penyesuaian Parameter Model 8 Luas Area Tanam 11 Peluang Kerusakan 12 Biaya Investasi 17 3 HASIL DAN PEMBAHASAN
Analisis Model 18
Selang Kerugian 21
4 SIMPULAN DAN SARAN
Simpulan 26
Saran 26
DAFTAR PUSTAKA 27
LAMPIRAN 28
DAFTAR TABEL
1 Persentase luas area tanam berdasarkan jenis tanaman-i yang berumur- j 2 2 Persentase luas area tanam untuk tanaman-i yang berada pada Zona-k 3 3 Data luas tanaman pangan, holtikultura, dan perkebunan Provinsi D.I
Yogyakarta yang dikelola Rumah Tangga 11
4 Luas area tanaman jenis- i yang berumur- j yang berada di zona- k 11
8 Peluang ditemukanya tanaman jenis-i, tanaman berumur-j dan tanaman
di zona-k jika diketahui rusak 15
9 Nilai ( ) dan Peluang Kerusakan 16
10 Biaya Perbaikantanaman i yang berumur j yang berada di zona k 17 11 Nilai kerugian yang dialami masing-masing tanaman-i yang berumur-j
terdapat pada zona-k 18
12 Nilai kerugian yang dialami masing-masing tanaman-i yang berumur-j
terdapat pada zona-k per satu hektar luas tanam tanaman 19 13 Nilai rata-rata dan standar deviasi kerugian keseluruhan untuk masing-
masing tanaman jenis-i berumur-j yang berada di zona-k 23 14 Nilai rata-rata dan standar deviasi kerugian per hektar untuk masing-
masing tanaman jenis-i berumur-j yang berada di zona-k 24
DAFTAR GAMBAR
1 Peta daerah rawan bencana letusan gunung merapi. 10 2 Grafik kerugian keseluruhan yang dialami oleh masing-masing
tanaman-i yang berumur-j terdapat pada zona-k. 19 3 Grafik kerugian per 1 hektar luas tanam yang dialami oleh
masing-masing tanaman-i yang berumur-j terdapat pada zona-k. 20 4 Grafik selang kerugian keseluruhanyang dialami oleh masing-masing
tanaman-i yang berumur-j terdapat pada zona-k 22 5 Grafik selang kerugian per 1 hektar luas tanam yang dialami oleh
masing-masing tanaman-i yang berumur-j terdapat pada zona-k. 22 6 Gambar Perhitungan kerugian dan selang kerugian dengan
menggunakan Microsoft Excel 25
7 Gambar Perhitungan kerugian per hektar dan selang kerugian per
PENDAHULUAN
Latar Belakang
Bahaya (hazard) adalah kejadian fisik, fenomena atau aktivitas manusia yang berpotensi merusak sehingga dapat menyebabkan korban manusia, luka-luka atau kerusakan properti, sosial, kerugian ekonomi atau perubahan lingkungan (Westen 2009). Bahaya jika dikaitkan dengan kerentanan sosial akan menimbulkan suatu risiko. Risiko adalah potensi kerugian yang ditimbulkan akibat bencana pada suatu wilayah dan kurun waktu tertentu yang dapat berupa kematian, luka-luka, sakit, jiwa terancam, hilangnya rasa aman, mengungsi, kerusakan atau kehilangan harta dan gangguan kegiatan masyarakat (BNPB 2011). Jika bahaya itu terjadi, maka risiko akan berubah menjadi bencana (disaster). Bencana merupakan fungsi dari proses risiko.
Secara umum wilayah Indonesia adalah tempat pertemuan tumbukan tiga lempeng tektonik yaitu lempeng Eurasian, lempeng Indo-Australian, dan lempeng Philippine (Irsyams et al. 2008). Lempeng Indo-Australian yang bergerak ke arah utara dan menunjam ke bawah karena bertumbukan dengan lempeng Eurasian. Daerah jalur penunjaman lempeng tektonik disebut dengan
subduction zone yang merupakan juga jalur gempa. Di utara jalur gempa adalah
inner zone yang merupakan jalur sabuk gunung api. Dampak dari tumbukan lempeng tektonik tersebut menyebabkan terjadinya bencana kebumian seperti erupsi gunung api, tanah longsor, gempa bumi, dan tsunami sehingga Indonesia disebut sebagai super market bencana.
Indonesia juga merupakan negara agraris. Ada alasan mengapa negeri ini masih dianggap sebagai negara agraris, yaitu sektor pertanian masih menjadi salah satu leading sector dalam ekonomi Indonesia, ditunjukkan oleh pangsanya yang masih cukup tinggi terhadap pembentukan produk domestik bruto (PDB). Pada triwulan II 2011, pangsa sektor pertanian terhadap PDB sebesar 15,4 persen, nomor dua setelah sektor industri pengolahan yang mencapai 24,3 persen. Alasan kedua, sebagian besar, yakni sekitar 33 persen (42,47 juta), penduduk usia 15 tahun ke atas yang bekerja di sektor pertanian (Ruslan 2011).
Ironisnya, sebagai negara agraris Indonesia ternyata belum memiliki kemandirian dan kedaulatan dalam hal pemenuhan kebutuhan pangan bagi rakyatnya. Hal ini diperparah dengan bencana-bencana yang terjadi di Indonesia yang menyebabkan produktivitas di sektor pertanian menurun. Salah satu bencana tersebut adalah letusan gunung api. Lahar panas, lahar dingin dan abu yang dikeluarkan saat terjadinya letusan gunung api telah menyebabkan rusaknya lahan dan tanaman-tanaman pangan, holtikultura dan palawija yang berada di lereng-lereng gunung api yang meletus tersebut. Tentu saja hal ini dapat menyebabkan kerugian di sektor pertanian. Kerugian yang dimaksudkan adalah kerugian ekonomi yang disebabkan oleh gagal panen tanaman-tanaman yang terkena oleh dampak letusan gunung api.
2
kerugian tersebut dapat mempercepat pemerintah dalam menanggulangi dampak letusan gunung api, khususnya di sektor pertanian.
Tujuan Penelitian
Tujuan dari penelitian ini adalah memodifikasi model yang dikembangkan oleh International Center of Geohazard (ICG), melalui NORSAR (Norwegia) dan
University of Alicante (Spanyol) yang diterapkan di sebuah alat yang disebut SELENA (SEismic Loss EstimatioN using logic tree Approach) untuk menghitung kerugian di sektor pertanian akibat bencana letusan gunung api, yaitudengan
1 Menyesuaikan beberapa parameter pada model SELENA agar sesuai untuk model pendugaan kerugian akibat letusan gunung api di sektor pertanian. 2 Merumuskan peluang kerusakan tanaman dan biaya investasi tanaman. 3 Menghitung interval kerugian ekonomi akibat letusan gunung api melalui
simulasi.
Metode Penelitian
Dalam penelitian ini diperlukan beberapa data. Data yang dibutuhkan yaitu data luas area tanaman, peluang kerusakan akibat bencana erupsi gunung api serta biaya tanam tanaman dan biaya perawatan tanaman tertentu.
Untuk data luas area tanam, data luas yang digunakan adalah data D.I Yogyakarta. Data mengenai luas area tanam tersebut dapat diakses di
http://st2013.bps.go.id/dev2/index.php/site?id=34&wilayah=DI-Yogyakarta.
Dikarenakan dalam penggunaan model, diperlukan luas daerah berdasarkan jenis tanaman dengan kelompok usia dan zona tumbuhnya tanaman tertentu, sehingga dibutuhkan asumsi persentase luas area tanam tanaman jenis-i yang berumur-j
(Tabel 1) dan persentase luas area tanam tanaman jenis-i yang berada di zona-k
(Tabel 2).
Tabel 1 Persentase luas area tanam untuk jenis tanaman-i yang berumur- j
3 Tabel 2 Persentase luas area tanam untuk tanaman-i yang berada pada zona-k
Tanaman menggunakan beberapa teori dasar pada peluang seperti peluang bersyarat, peluang total dan teorema Bayes serta menggunakan beberapa data hipotetik.
Sedangkan perumusan biaya investasi untuk tanaman jenis-i dilakukan dengan menjumlahkan biaya tanam untuk masing-masing tanaman-i yang berumur-j dan biaya perawatan tanaman yang bergantung pada kelompok usia tanaman tersebut. Untuk biaya tanam diambil dari beberapa publikasi pribadi (blog) yang membahas pertanian dan bisnis. Biaya tanam yang diambil untuk masing-masing kelompok tanaman diambil dengan merata-ratakan biaya beberapa tanaman yang berada pada kelompok tanaman tersebut. Misalkan untuk tanaman pangan, biaya tanam dihitung dengan merata-ratakan biaya tanam untuk tanaman padi, gandum dan jagung. Untuk biaya perawatan, dibagi menjadi tiga bagian tergantung terhadap usia tanaman dan diasumsikan sebagai berikut,
a Untuk tanaman kelompok usia 1 biaya perawatan dikenakan hanya 25% dari total keseluruhan biaya perawatan tanaman.
b Untuk tanaman kelompok usia 2 biaya perawatan dikenakan hanya 50% dari total keseluruhan biaya perawatan tanaman.
c Untuk tanaman kelompok usia 3 biaya perawatan dikenakan hanya 100% dari total keseluruhan biaya perawatan tanaman.
Dikarenakan perhitungan kerugian mengandung ketidakpastian, maka akan dihitung juga interval atau selang kerugian yang dialami akibat letusan gunung api. Untuk perhitungan kerugian ini menggunakan Microsoft Excel. Untuk simulasi akan dibangkitkan 200 data acak yang menyebar normal untuk masing-masing luas area tanam dan peluang kerusakan tanaman jenis-i yang berumur-j yang berada di zona-k serta biaya investasi tanaman jenis-i yang berumur-j. Untuk membangkitkan data acak tersebut menggunakan perintah norminv(rand();µ;ϭ)
4
standar deviasinya. Dari rata-rata dan standar deviasi tersebut diperoleh interval/ selang kerugian yang diakibatkan letusan gunung api.
TINJAUAN PUSTAKA
Istilah-istilah
Kajian risiko bencana adalah mekanisme terpadu untuk memberikan gambaran menyeluruh terhadap risiko bencana suatu daerah dengan menganalisis tingkat ancaman, tingkat kerugian dan kapasitas daerah (BNPB 2012).
Risiko bencana adalah potensi kerugian yang ditimbulkan akibat bencana pada suatu kawasan dan kurun waktu tertentu yang dapat berupa kematian, luka, sakit, mengungsi, kerusakan atau kehilangan harta dan gangguan kegiatan masyarakat (BNPB 2012).
Bencana adalah peristiwa atau serangkaian peristiwa yang mengancam dan mengganggu kehidupan masyarakat yang disebabkan faktor alam dan atau faktor non alam maupun faktor manusia sehingga mengakibatkan timbulnya korban jiwa, kerusakan lingkungan, kerugian harta benda dan dampak psikologis (Kardono et al 2010).
Letusan gunung api merupakan bagian aktivitas vulkanik yang dikenal dengan istilah “erupsi”. Bahaya letusan gunung api dapat berupa awan panas, lontaran material, hujan abu, lava, gas beracun dan banjir lahar (Kardono et al 2010).
Model SELENA
Pada tahun 1990-an, National Institut of Building Sciences (NIBS) mengembangkan sebuah alat yaitu HAZUS’99 untuk Federal Emergency Management Agency (FEMA) yang tujuannya menggabungkan metode kuantitatif dalam memperkirakan kerugian akibat bencana gempa. Kemudian pada tahun 2002, FEMA memprakarsai sebuah penelitian tentang pendugaan risiko gempa untuk wilayah Amerika Serikat menggunakan alat HAZUS’99 dan HAZUS-MH. Inti dari penelitian tersebut adalah untuk menganalisis dan membandingkan risiko gempa di seluruh wilayah Amerika Serikat yang memiliki tingkat kerawanan dan bahaya yang berbeda. HAZUS dibangun di atas Sistem Informasi Geografis yang terintegrasi dan dapat dianggap sebagai perpanjangan perangkat lunak ArcGis, sehingga langsung terintegrasi dengan basis data nasional dan regional pada bangunan yang ada dan data kependudukan di Amerika Serikat (Molina et al.
2010).
HAZUS disesuaikan sangat erat dengan situasi di Amerika Serikat, sehingga alat ini sangat sulit untuk digunakan di wilayah geografis lainnya yang ada di dunia. Tetapi, metodologi dasar HAZUS mewakili titik awal pengembangan metode lainnya untuk menghitung risiko dan kerugian akibat gempa bumi.
5
Alicante (spanyol), mengembangkan sebuah alat untuk menghitung risiko gempa di daerah perkotaan dengan menggunakan metode kapasitas spektrum. Alat tersebut bernama SELENA (SEismic Loss EstimatioN using logic tree Approach).
Alat ini lebih fleksibel dari segi input data yang diberikan oleh pengguna dan dengan demikian alat ini dapat digunakan oleh pengguna dari berbagai wilayah geografis di dunia, termasuk Indonesia.
Pada SELENA kerugian yang dihitung adalah kerugian ekonomi dan jumlah korban meninggal dan luka-luka yang diakibatkan oleh runtuhan bangunan akibat bencana gempa bumi. Kerugian ekonomi yang disebabkan oleh gempa bumi untuk perbaikan bangunan dan penggantian bangunan yang rata dengan tanah dapat dihitung dengan formula berikut, (Molina et al. 2010)
∑ ∑ ∑
NOT = banyaknya jenis hunian, misalnya perumahan, sekolah, rumah sakit, dll NBT = banyaknya tipe bangunan, misalnya bangunan terbuat dari kayu, bata,
baja, dll
NDS = banyaknya jenis kerusakan yaitu, slight (k=1), moderate (k=2), extensive
(k=3),dan complete (k=4).
Cr = pengali biaya daerah (saat ini diatur hingga 1.0, tetapi nilai ini dapat berbeda untuk tiap unit geografi untuk memperhitungkan variasi biaya geografis),
Ai,j = luas bangunan dari tipe bangunan j untuk tipe hunian i (dalam m2),
Pj,k = peluang kerusakan dari kerusakan struktur k (slight, moderate, extensive,
complete) untuk model tipe bangunan j,
Ci,j,k = Biaya perbaikan atau penggantian untuk setiap tipe hunian i dan model tipe bangunan j yang mengalami kerusakan struktur k dalam masukan mata uang per luas daerah ($/m2).
Untuk menentukan perkiraan jumlah korban yang disebabkan bangunan yang sebagian atau sepenuhnya roboh, diperlukan data statistik yang dapat diandalkan tentang kependudukan pada area yang diteliti. Hal ini tidak hanya mencakup statistik populasi seperti jumlah total penduduk per kabupaten, tetapi juga jumlah rata-rata orang yang tinggal dalam bangunan dari tipe yang berbeda (occupancy) dan persentase penduduk yang tinggal di dalam atau di luar bangunan pada waktu yang berbeda. Model kerugian ini hanya menghitung korban manusia dengan mempertimbangkan akibat kerusakan struktur sedangkan kerusakan non-struktur dari bencana yang terjadi setelah gempa tidak dipertimbangkan. Untuk perhitungan pendugaan banyaknya korban Ki pada tingkat keparahan i dengan
6
bangunan j dan kerusakan lokasi k.
Pj,k = peluang kerusakan untuk model tipe bangunan j yang mengalami
kerusakan struktur dari kerusakan lokasi slight (k = 1), moderate (k =2),
extensive (k = 3), complete (k = 4) .
= rata-rata jumlah penduduk yang mendiami model tipe bangunan j.
Jumlah total penduduk di seluruh model tipe bangunan j , untuk satu unit geografis pada suatu waktu yang spesifik dapat dihitung dengan cara sederhana sebagai berikut,
dengan,
NTP = total penduduk yang mendiami masing-masing unit geografis,
CPO = persentase penduduk yang tinggal di dalam atau di luar bergantung terhadap waktu,dan
CjOMBT = persentase dari kelas hunian untuk tipe bangunan j.
Dalam karya ilmiah ini, yang akan dikembangkan hanyalah model perhitungan kerugian ekonomi yang dialami akibat bencana, sedangkan untuk model perhitungan jumlah korban manusia akibat bencana belum akan digunakan.
Peluang
7
Jika P(B) > 0 maka peluang terjadinya kejadian A jika diketahui B terjadi didefinisikan sebagai semua i= 1,2,...,n , maka untuk sembarang kejadian A berlaku bahwa
∑ |
Untuk setiap himpunan bagian berhingga J dari I.
8
MODEL PENDUGAAN KERUGIAN
Penyesuaian Parameter Model
Model matematika yang akan dibangun untuk menghitung kerugian ekonomi akibat letusan gunung api di sektor pertanian merupakan modifikasi dari model matematika untuk gempa bumi yang dikembangkan oleh International Center of Geohazard (ICG), melalui NORSAR (Norwegia) dan University of Alicante (Spanyol) yang diterapkan di sebuah alat yang disebut SELENA (SEismic Loss EstimatioN using logic tree Approach) (lihat Persamaan 1).
Bencana gempa bumi dan letusan gunung api sama-sama bencana alam yang dapat disebabkan oleh tumbukan lempeng-lempeng bumi dan memiliki peluang kerusakan yang salah satu faktornya bergantung terhadap jarak lokasi ke pusat bencana, maka model SELENA tersebut dapat diterapkan untuk bencana letusan gunung api dengan menyesuaikan beberapa. Beberapa parameter yang harus disesuaikan, yaitu tipe hunian, tipe bangunan dan jenis kerusakan yang secara berturut-turut diubah menjadi jenis tanaman, umur tanaman dan zona rawan bencana.
1. Tipe hunian berpadanan dengan jenis tanaman
Oleh karena pada model SELENA yang diterapkan untuk menghitung kerugian yang disebabkan runtuhnya bangunan akibat bencana gempa bumi, maka objek yang mempengaruhi kerugiannya adalah bangunan itu sendiri. Bangunan dibagi menjadi tipe bangunan dan tipe hunian. Tipe hunian menggambarkan tipe objek yang diteliti, sedangkan tipe bangunan menggambarkan kekuatan bangunan tersebut. Pada SELENA, tipe hunian dikelompokan menjadi beberapa tipe antara lain, bangunan perumahan, sekolah, dan komersial, sehingga untuk mengembangkan model tersebut menjadi model untuk menghitung kerugian akibat letusan gunung api di sektor pertanian, objek yang diamati harus disesuaikan. Objek yang diamati adalah tanaman, sehingga tipe hunian akan diubah menjadi jenis tanaman. Banyaknya jenis tanaman pertanian yang digunakan dalam model yang dikembangkan ini ada tiga jenis, yaitu tanaman pangan, tanaman holtikultura, dan tanaman perkebunan.
9 Pengkelompokan jenis tanaman ini dilakukan karena ketiga jenis tanaman tersebut adalah yang paling berpengaruh terhadap perekonomian.
2. Tipe bangunan berpadanan dengan kelompok umur tanaman
Tipe bangunan yang digunakan dalam model SELENA menunjukkan kekuatan objek yang diamati. Dalam model tersebut tipe bangunan dibagi berdasarkan bahan bangunan yang digunakan, misalnya bangunan bata, baja, kayu, dll. Pada model perhitungan kerugian akibat letusan gunung api, untuk menggambarkan kekuatan tanaman akan digunakan umur tanaman. Kelompok umur tanaman dibagi menjadi tiga kelompok, yaitu kelompok baru tanam, kelompok tanaman dewasa, dan kelompok siap panen. Semakin tua umur tanaman maka akan semakin besar kekuatan tanaman tersebut. Dan jika hal ini dikaitkan dengan perhitungan biaya investasi tanaman, tanaman yang baru tanam dengan tanaman yang akan dipanen akan memiliki biaya perbaikan yang berbeda. Tanaman yang baru tanam tidak memiliki variabel biaya perawatan, atau biaya perawatannya kecil. Berbeda dengan tanaman yang tengah tanam dan siap panen memiliki biaya perawatan yang lebih besar jika dibandingkan dengan tanaman baru tanam.
3. Jenis kerusakan berpadanan dengan daerah rawan bencana
Bencana gempa bumi dan letusan gunung api adalah bencana yang mengakibatkan kerusakan terhadap suatu objek atau lokasi. Salah satu faktor yang mempengaruhi tingkat kerusakannya adalah jarak lokasi atau objek terhadap pusat bencana. Untuk model SELENA, hal ini diwakilkan dengan tingkat kerusakan, sedangkan untuk model letusan gunung api akan diubah menjadi daerah rawan bencana.
10
Gambar 1 Peta daerah rawan bencana letusan gunung merapi
Dari penyesuaian beberapa parameter di atas dan biaya pengali daerah yang diasumsikan sebesar 1, sehingga model pendugaan kerugian akibat letusan gunung api dapat diformulasikan sebagai berikut,
c ∑ ∑ ∑ ijk ij
k
j
i
(2) dengan,
c = total kerugian ekonomi yang diakibatkan letusan gunung api.
NPT = banyaknya jenis tanaman. Banyaknya jenis tanaman dikelompokkan
berdasarkan siklus hidupnya, yaitu tanaman pangan (1), tanaman holtikultura (2) dan tanaman perkebunan dan kehutanan (3).
NCY = banyaknya klasifikasi umur tanaman, misalnya tanaman baru tanam(1),
tanaman dewasa(2), dan tanaman siap panen (3).
NDS = banyaknya pengkelompokan daerah di sekitar gunung api, yaitu daerah rawan bencana I (1), daerah rawan bencana II (2) dan daerah rawan bencana III (3).
Aijk = luas area lahan dari jenis tanaman jenis-i yang berumur-j yang berada
di zona-k (dalam Ha).
pijk = peluang kerusakan untuk jenis tanaman jenis-i yang berumur-j yang berada pada zone-k.
ij = Biaya perbaikan atau penggantian atas kerusakan yang terjadi untuk
11 Luas Area Tanam
Dalam analisis, diperlukan luas area tanam berdasarkan jenis tanaman, kelompok umur dan zona tumbuhnya tanaman. Dalam penelitian ini, data luas total yang diambil adalah luas area tanam D.I Yogyakarta yang dikelola oleh rumah tangga (lihat Tabel 3). Karena data yang tersedia hanyalah data luas tanam tanaman berdasarkan jenis tanaman, maka diperlukan beberapa asumsi untuk mendapatkan luas tanam tanaman jenis-i berumur-j yang berada di zona-k ( . Kemudian untuk mendapatkan diperlukan persentase tanaman yang berumur-j dan persentase tanaman yang berada di zona-k (lihat Tabel 1 dan 2). Tabel 3 Data luas tanaman pangan, holtikultura, dan perkebunan Provinsi D.I
Yogyakarta yang dikelola Rumah Tangga
Jenis Tanaman Luas Tanam (Ha)
Tanaman Pangan (padi sawah dan palawija) 161.257,20
Holtikultura 175.320,20
Perkebunan 3.052,90
Kehutanan* 75.120,31
Sumber: Data Sensus Pertanian 2013 –Badan Pusat Statistik Republik Indonesia *) Analisa DisHutBun DIY, 2014
12
Model yang dibangun adalah model pendugaan yang mengandung unsur ketidakpastian. Oleh sebab itu, model tersebut mengandung peluang kerusakan yang diakibatkan oleh bencana letusan gunung api. Peluang kerusakan dipengaruhi oleh jarak lokasi yang diteliti terhadap pusat bencana, sehingga semakin jauh jarak lokasi yang diteliti terhadap pusat bencana akan semakin kecil nilai peluang kerusakan. Untuk beberapa nilai peluang yang digunakan dalam model ditentukan secara “th b st t ught”. Nilai peluang kerusakan ditentukan dengan menggunakan teori dasar pada peluang seperti peluang bersyarat dan teorema Bayes.
Peluang Ditemukannya Tanaman Jenis-i Berumur-j di Zona-k, p(TiUjZk) Dalam penelitian ini, untuk peluang ditemukannya tanaman jenis-i
berumur-j di zona-k akan dibagi menjadi dua. Pertama, peluang ditemukannya tanaman jenis-i berumur-j yang berada di zona-k diperoleh dari mengalikan peluang ditemukannya tanaman jenis-i ( , peluang ditemukannya tanaman berumur-j
( ( ) , dan peluang ditemukannya tanaman di zona-k ( (lihat Tabel 5), dengan asumsi bahwa kejadian dan tersebut saling bebas.
Nilai-nilai pada Tabel 5 diperoleh dari Aijk untuk setiap i, j, dan k serta luas
total (lihat Tabel 4) dengan menggunakan perhitungan sebagai berikut,
13
Tabel 5 Peluang ditemukannya tanaman jenis-i, tanaman berumur-j, dan tanaman di zona-k bebas, maka untuk mendapatkan peluang tumbuhnya tanaman jenis-i berumur-j
yang berada di zona-k, p( dapat menggunakan formula sebagai berikut:
( ( )
Nilai peluang ditemukannya tanaman jenis-i yang berumur-j di zona-k dapat dilihat di Tabel 6.
Kedua, jika kejadian ditemukannya tanaman jenis-i, kejadian ditemukannya tanaman berumur-j, dan kejadian ditemukannya tanaman di zona-k merupakan kejadian yang tidak saling bebas. Dengan demikian, peluang ditemukannya tanaman jenis-i berumur-j di zona-k dihitung dengan formula sebagai berikut,
( )
∑ ∑ ∑ , hasilnya terdapat pada Tabel 6.
Tabel 6 Peluang ditemukannya tanaman jenis-i berumur-j di zona-k
14 vulkanik dapat merusak apa-apa yang dilaluinya. Tetapi terkadang tidak semua tanaman terkena, karena adanya aliran lava atau adanya arah angin tertentu. Oleh sebab itu, terdapat peluang rusak atau tidak rusaknya suatu tanaman jenis-i,
tanaman berumur-j dan tanaman di Zona-k jika terkena bencana, dengan peluang rusak dari total area tanam secara keseluruhan, diasumsikan sebesar 0,025. Peluang rusaknya tanaman tanaman jenis-i, peluang rusaknya tanaman berumur-j,
dan peluang rusaknya tanaman di zona-k dapat dilihat pada Tabel 7.
Tabel 7 Peluang rusak tanaman jenis-i, tanaman berumur-j dan tanaman di Zona-k
Indeks
15
Tabel 8 Peluang ditemukanya tanaman jenis-i, tanaman berumur-j dan tanaman di zona-k jika diketahui rusak
Indeks kejadian merupakan bebas bersyarat R dengan diketahui bahwa R terjadi, dan dengan menggunakan aturan perkalian peluang, maka akan diperoleh
( | ) sebagai berikut,
( | ) | ( | ) ( | )
| ( | ) |
17 Biaya Investasi
Ketika bencana letusan gunung api terjadi dan merusak tanaman di sekitar gunung api, maka biaya investasi yang telah dikeluarkan oleh petani juga hilang. Perumusan biaya investasi untuk tanaman jenis-i berumur-j akibat letusan gunung api dilakukan dengan menjumlahkan biaya tanam untuk masing-masing tanaman dan biaya perawatan yang bergantung pada kelompok umur tanaman diformulasikan sebagai berikut,
ij
dengan,
ij = biaya investasi untuk tanaman jenis-i yangberumur-j
= biaya tanam yang terkait dengan jenis tanaman yang ditanam
= biaya perawatan yang terkait dengan umur tanaman yang ditanam. Semakin mendekati panen semakin tinggi biaya perawatan yang harus diganti.
Untuk biaya tanam dihitung dengan merata-ratakan biaya tanam beberapa tanaman yang berada pada kelompok tanaman jenis-i. Misalnya untuk keklompok tanaman pangan, dihitung dengan mencari rataan biaya tanam tanaman padi, jagung, dan gandum, untuk kelompok tanaman holtikultura, dihitung dengan mencari rataan biaya tanam tanaman salak, bawang merah, dan cabai, serta untuk kelompok tanaman perkebunan dan kehutanan, dihitung dengan mencari rataan biaya tanam tanaman kakao, kelapa sawit dan jati. Biaya tanam tersebut diambil dari beberapa pubikasi pribadi (blog) yang membahas pertanian dan bisnis dengan melakukan penyesuaian biaya per satu hektar luas tanam tanaman jenis-i. Untuk biaya perawatan, dibagi menjadi tiga bagian tergantung terhadap umur tanaman. Dan diasumsikan, untuk tanaman berumur 1 biaya perawatan dikenakan sebesar 25% dari biaya tanam, biaya perawatan tanaman berumur 2 dikenakan 50% dari biaya tanam dan biaya perawatan tanaman berumur 3 dikenakan sebesar biaya tanam. Sehingga, biaya investasi untuk masing tanaman jenis-i yang berumur-j
dapat dilihat pada Tabel 10 berikut,
18
HASIL DAN PEMBAHASAN
Analisis Model
19
Gambar 2 Grafik kerugian keseluruhan untuk masing-masing tanaman jenis-i
yang berumur-j yang berada di zona-k
Dari Tabel 11 dan Gambar 2 di atas dapat dilihat bahwa kerugian yang terbesar dialami oleh kelompok tanaman holtikultura. Faktor yang sangat mempengaruhi hal tersebut adalah biaya investasi kelompok tanaman holtikultura jauh lebih tinggi jika dibandingkan dengan kelompok umur tanaman yang lainnya, tetapi faktor peluang juga mempengaruhi hal tersebut.
Kemudian dengan menggunakan persamaan 2 dan dengan mengubah menjadi 1 ha untuk setiap i, j, dan k, serta nilai peluang dan biaya investasi yang sama, maka akan diperoleh kerugian yang dialami per hektar luas tanaman (Tabel 12 dan Gambar 3).
Tabel 12 Nilai kerugian yang dialami masing-masing tanaman-i yang berumur-j
terdapat pada zona-k per satu hektar luas tanam tanaman Jenis
Tanaman (i)
Kelompok Umur (j)
Zona Rawan
(k) (dalam Rupiah)
1 1 1 1.033.103
2 480.862
3 207.582
2 1 489.842
2 227.999
3 98.424
3 1 557.875
20
3 112.094
2 1 1 6.158.011
2 2.866.274
3 1.237.331
2 1 2.919.798
2 1.359.033
3 586.676
3 1 3.325.326
2 1.547.788
3 668.159
3 1 1 2.764.859
2 1.286.916
3 555.544
2 1 1.310.948
2 610.187
3 263.409
3 1 1.493.024
2 694.935
3 299.994
Gambar 3 Grafik kerugian per 1 hektar untuk masing-masing tanaman jenis-i yang berumur-j yang berada di zona-k
21 erupsi. Selain kerugian secara total, dengan model pendugaan ini juga bisa didapatkan kerugian per satu hektar luas tanaman untuk masing-masing tanaman jenis-i yang berumur-j yang berada di zona-k (Tabel 12 dan Gambar 3). Nilai kerugian per satu hektar luas tanam tanaman ini diharapkan dapat membantu pemerintah tingkat lokal untuk mengganti kerugian yang dialami oleh masing-masing petani yang mengalami kerugian. Petani dapat memberikan luasan tanaman yang dimilikinya kepada pemerintah tingkat lokal, maka pemerintah tingkat lokal dapat menghitung kerugian yang dialami oleh petani tersebut.
Selang Kerugian
Di dalam model ini terdapat faktor ketidakpastian yaitu peluang kerusakan yang dialami oleh jenis tanaman jenis-i yang berumur-j yang terletak pada zona-k. Oleh karena itu akan dicari interval atau selang nilai kerugian yang dialami oleh masing-masing tanaman jenis-i yang berumur-j yang berada di zona-k. Untuk mencari interval atau selang kerugian dibangkitkan 200 data acak yang menyebar normal sehingga nilai kerugian yang didapatkan bukan berada pada suatu nilai tertentu, tetapi nilai kerugian berada pada suatu selang kerugian.
Dua ratus bilangan acak untuk kerugian didapatkan dengan mengalikan 200 bilangan acak luas area tanam untuk masing-masing tanaman jenis-i yang berumur-j yang berada di zona-k, 200 bilangan acak peluang kerusakan untuk masing-masing tanaman jenis-i yang berumur-j yang berada di zona-k, dan 200 bilangan acak biaya investasi untuk masing-masing tanaman jenis-i yang berumur-j yang berada di zona-k. Dua ratus data yang dibangkitkan untuk masing-masing nilai luas area tanam, peluang kerusakan dan biaya investasi masing-masing menyebar, ̂ ( ) ̂ (
) dan ̂ ( ). Setelah mengalikan data-data acak tersebut, didapatkan 200 data acak kerugian keseluruhan untuk masing-masing tanaman jenis-i yang berumur-j yang berada di zona-k. Kemudian dari data tersebut didapatkan rata-rata dan standar deviasi untuk masing-masing tanaman jenis-i yang berumur-j yang berada di zona-k. Hasil simulasi tersebut dapat dilihat pada Tabel 13 dan Gambar 4.
Tabel 13 Nilai rata-rata dan standar deviasi kerugian keseluruhan untuk masing- masing tanaman jenis-i berumur-j yang berada di zona-k
22
2 1 1
12.948.128.209
2.116.894.109 2 7.484.641.541 1.378.833.311 3 3.895.622.668 672.750.411 2 1 7.971.128.384 1.325.397.642 2 4.878.355.673 946.097.167 3 2.486.962.746 416.308.898 3 1 6.939.441.227 1.215.348.607 2 4.034.811.831 713.711.050 3 2.074.153.715 347.446.316
3 1 1 1.729.164.237 289.583.780
2 1.017.259.714 187.180.386 3 519.008.017 90.489.768
2 1 1.214.618.715 202.430.472
2 717.625.263 119.012.492 3 369.681.920 63.519.811
3 1 2.346.518.028 414.763.670
2 1.351.071.263 230.514.950 3 696.376.584 112.859.279 Total
66.317.365.125 3.498.433.739
23
Untuk 200 bilangan acak kerugian per hektar yang dialami oleh masing-masing tanaman jenis-i yang berumur-j yang berada di zona-k, juga didapatkan dengan cara yang sama, tetapi untuk luas area tanam diganti menjadi 1 hektar untuk masing-masing tanaman jenis-i yang berumur-j yang berada di zona-k. Hasil simulasi tersebut dapat dilihat pada Tabel 14 dan Gambar 5.
Tabel 14 Nilai rata-rata dan standar deviasi kerugian per hektar untuk masing- masing tanaman jenis-i berumur-j yang berada di zona-k
24
Gambar 5 Grafik selang kerugian per 1 hektar luas tanam yang dialami oleh masing-masing tanaman jenis-i berumur-j yang berada di zona-k Dari simulasi model ini didapatkan selang nilai kerugian keseluruhan (Gambar 4) dan selang nilai kerugian per satu hektar luas tanam tanaman (Gambar 5). Selang ini dimaksudkan agar ketika pemerintah akan menyediakan dana pasca erupsi, akan diambil biaya kerugian yang berada dalam selang kerugian. Agar dana yang akan diberikan ke lapangan tidak mengalami kekurangan. Nilai kerugian yang terdapat dalam selang juga dapat membantu pemerintah untuk merencanakan anggaran biaya pergantian untuk daerah yang rawan terkena bencana erupsi gunung api.
25
KESIMPULAN DAN SARAN
Kesimpulan
Berdasarkan tujuan dari penelitian ini, dapat ditarik kesimpulan antara lain,
1. Model matematika yang dikembangkan oleh International Center of Geohazard (ICG), melalui NORSAR (Norwegia) dan University of Alicante
(Spanyol) untuk menduga kerugian yang diakibatkan oleh gempa bumi dapat dikembangkan menjadi model pendugaan kerugian akibat bencana gunung api khusus di bidang pertanian dengan penyesuaian beberapa parameter, merumuskan peluang kerusakan, dan biaya investasi untuk masing-masing tanaman jenis-i berumur-j yang berada di zona-k.
2. Untuk dapat menggunakan model pendugaan kerugian ini ada beberapa data yang harus dicari dilapangan, antara lain peluang rusaknya tanaman jenis-i,
peluang rusaknya tanaman berumur-j, peluang rusaknya tanaman yang berada di zona-k, dan data luas area tanam untuk masing-masing tanaman jenis-i berumur-j yang berada di zona-k, serta data biaya investasi untuk masing-masing tanaman jenis-i berumur-j.
3. Dengan menggunakan simulasi model, didapatkan rentang kerugian keseluruhan dan rentang kerugian per satu hektar tanam untuk masing-masing tanaman jenis-i berumur-j yang berada di zona-k.
Saran
Penelitian ini adalah penelitian awal yang dilakukan oleh penulis sehingga diperlukan penelitian-penelitian selanjutnya untuk menghitung nilai kerugian yang lebih akurat. Penulis menyarankan beberapa hal yang perlu dilakukan untuk penelitian selanjutnya, yaitu
1. Untuk penentuan peluang bisa dilakukan dengan metode statistik lain yang lebih efektif .
2. Untuk pembagian jenis tanaman bisa diuraikan lebih rinci namun dibutuhkan data yang lebih lengkap dan luas agar hasilnya lebih mendekati keadaan yang sebenarnya.
26
DAFTAR PUSTAKA
Badan Nasional Penanggulangan Bencana [BNPB]. 2011. Rencana Aksi Rehabilitasi dan Rekonstruksi Pascabencana Erupsi Gunung Merapi Provinsi D.I Yogyakarta dan Provinsi Jawa Tengah Tahun 2011-2013. Jakarta: Badan Nasional Penanggulangan Bencana.
Irsyam M , Dangkua DT, Hendriyawan, Hoedajanto D, Hutapea BM, Kertapati EK, Boen T, Petersen MD . 2008. Proposed seismic hazard maps of Sumatra and Java islands and microzonation study of Jakarta city, Indonesia. J Earth Syst Sci. 117(2): 865-878.
Kardono P, Hermana, Zuliasri N, Hartje R, Lestari L, Sulistyowati, Suprapto, Maulidhini N, Edi S. 2010. Data Bencana 2009. Jakarta: Badan Nasional Penanggulangan Bencana (BNPB)
Molina S, Lang DH, dan Lindholm CD. 2010. SELENA: An open source risk and loss assessment using a logic tree computation procedure. Computers and Geosciences. 36:257-269. doi: 10.1016/j.cageo.2009.07.006.
Ruslan K. 2011. Indonesia, Negara Agraris Pengimpor Pangan [internet]. Jakarta kompasiana. [diunduh pada 2014 januari 14]. Tersedia pada: http://ekonomi.kompasiana.com/agrobisnis/2011/08/15/indonesia-negara-agraris-pengimpor-pangan-386787.html
27 Lampiran 1 Perhitungan kerugian dan selang kerugian yang dialami oleh
tanaman jenis-i berumur-j yang berada di zona-k
Gambar 6 Perhitungan kerugian dan selang kerugian dengan menggunakan
28
29
RIWAYAT HIDUP
Penulis dilahirkan di Curup pada tanggal 1 Juni 1991 sebagai anak kedua dari pasangan Suparno dan Soleka. Penulis menyelesaikan pendidikan sekolah menengah pertama pada tahun 2006 di SMP Negeri 1 Curup, Bengkulu. Kemudian penulis melanjutkan ke SMA Negeri 1 Curup, Bengkulu, dan menyelesaikan jenjang tersebut pada tahun 2009. Setelah itu penulis mendaftar IPB melalui jalur USMI dan diterima di Departemen Matematika IPB. Kemudian, pada tahun 2012 penulis mengikuti program fast track atau program sinergi S1-S2 yang terdapat di Departemen Matematika IPB.
