III. METODE PENELITIAN
3.1. Cakupan Penelitian
Penelitian indeks dan status keberlanjutan ketersediaan beras dianalisis secara makro pada tingkat regional dan nasional. Daerah tingkat regional dalam penelitian ini meliputi lima wilayah kepulauan yaitu (1) Jawa, (2) Sumatera, (3) Sulawesi, (4) Kalimantan, (5) wilayah lainnya yaitu Bali, Nusa Tenggara Barat, Nusa Tenggara Timur, Maluku, Maluku Utara dan Papua. Penelitian indeks dan status keberlanjutan ini dilakukan untuk menilai keberlanjutan ketersediaan beras pada existing condition periode waktu 2003 – 2004 dari lima dimensi (ekologi, ekonomi, sosial budaya, kelembagaan dan teknologi).
Perhitungan ketersediaan beras tingkat nasional yang berkelanjutan dilakukan menggunakan sistem dinamis. Periode analisis adalah tahun 2005 – 2015. Data dan informasi yang terkait dengan ketersediaan beras terutama untuk keperluan analisis kebutuhan adalah data yang dikumpulkan oleh Balai Pengkajian Teknologi Pertanian (BPTP), di delapan provinsi yang mewakili seluruh ekosistem padi yaitu provinsi Jawa Barat, Jawa Timur, Sumatera Utara, Sumatera Barat, Sumatera Selatan, Sulawesi Selatan, Kalimantan Barat dan Kalimantan Selatan (peneliti mengikuti di dua provinsi yaitu Kalimantan Barat dan Jawa Barat).
Penelitian dilaksanakan selama 20 bulan dimulai pada bulan Maret 2005 sampai dengan bulan November 2006.
3.2. Jenis dan Sumber Data
Data yang digunakan dalam penelitian ini adalah data primer dan data sekunder. Data primer dikumpulkan melalui wawancara dan diskusi dengan responden yang terkait dengan ketersediaan beras, yang terdiri dari petani padi, pedagang perantara, pengusaha penggilingan, koperasi, lembaga keuangan mikro, dolog, Dinas Pertanian, Badan Bimas Ketahanan Pangan, Bapedal (Badan Pengendalian Dampak Lingkungan), Dinas Perindustrian dan Perdagangan serta Lembaga Swadaya Masyarakat (LSM), penyuluh, peneliti Balai Penelitian dan Pengembangan Deptan dan perguruan tinggi IPB.
Data sekunder dalam penelitian dikumpulkan dari berbagai sumber seperti laporan, dokumen dan hasil penelitian dari berbagai instansi yang berhubungan dengan penelitian antara lain Badan Pusat Statistik, Balai Besar Penelitian Tanaman Padi, Departemen Pertanian; Pusat Penelitian dan Pengembangan
37
Tanaman Pangan, Departemen Pertanian; Balai Besar Pasca Panen, Departemen Pertanian; Balai Besar Mekanisasi Pertanian, Departemen Pertanian; Balai Besar Pengkajian Teknologi Pertanian, Departemen Pertanian; Balai Besar Sumberdaya Lahan Pertanian, Departemen Pertanian; Direktorat Jenderal Pengairan, Depkimpraswil; Badan Bimas Ketahanan Pangan (Pusat dan Daerah), Dewan Ketahanan Pangan, Dinas Kehutanan (Pusat dan Daerah), Badan Pertanahan Nasional, serta Perguruan Tinggi.
Tabel 5. Jenis dan Sumber Data Yang Diperlukan Dalam Penelitian Ketersediaan Beras Nasional
Jenis Data Sumber Data
A. Data Primer
1. Identifikasi faktor-faktor yang mempengaruhi KBB Responden 2. Indentifikasi kebutuhan Responden
3. Identifikasi Masalah Responden
4. Tingkat pengaruh dan ketergantungan dalam KBB Responden 5. Penetapan faktor dominan dalam KBB Responden
B. Data Sekunder
1. Perilaku penyediaan Badan Pusat Statistik 2. Perilaku konsumsi/kebutuhan Badan Pusat Statistik
3. Produksi padi Badan Pusat Statistik
4. Produktivitas (sawah &ladang) Badan Pusat Statistik 5. Luas lahan (sawah & ladang) Badan Pusat Statistik 6. Konversi gabah ke beras Depperindag dan Deptan
7. Ketersediaan beras Badan Pusat Statistik, Dewan Ketahanan Pangan
8. Kebutuhan untuk benih, pakan dan industri Deptan dan Depperindag
9. Tercecer Depperindag dan Deptan
10. Cadangan beras Bulog, Badan Ketahanan Pangan 11. Impor beras Bulog dan Importir (rice trader)
12. Cetak sawah Badan Pusat Statistik dan BPN
13. Alih fungsi lahan Badan Pusat Statistik dan BPN 14. Intensitas pertanaman (IP 100, IP 200, IP 300) Departemen Pertanian
15. Dampak irigasi terhadap luas panen Depkimpraswil dan Hasil penelitian 16. Dampak iklim terhadap luas panen Badan Pusat Statistik dan Hasil penelitian 17. Luas lahan puso Badan Pusat Statistik
18. Harga input Badan Pusat Statistik
19. Elastisitas penawaran Hasil studi
20. Jumlah penduduk Hasil sensus, Biro pusat statistik 21. Pertumbuhan penduduk Badan Pusat Statistik
22. Konsumsi beras per kapita Susenas, Biro Pusat Statistik
23. Harga beras Badan Pusat Statistik
24. Elastisitas permintaan karena perubahan harga Hasil penelitian Keterangan: KBB = Ketersediaan Beras Yang Berkelanjutan
3.3. Metode Pengambilan Sampel
Metoda pengambilan sampel dalam rangka menghimpun informasi dan data dari responden ditentukan secara sengaja (purposive sampling) dengan dasar bahwa responden mempunyai keahlian, reputasi dan pengalaman pada bidang yang diteliti. Untuk kepentingan mengidentifikasi faktor/atribut dari lima dimensi dalam ketersediaan beras (untuk analisis indeks keberlanjutan) dan menentukan faktor kunci (untuk analisis prospektif) dipilih 22 orang responden yang umumnya adalah pengajar pada perguruan tinggi IPB, peneliti pada Badan
38
Penelitian dan Pengembangan Pertanian Departemen Pertanian dan pejabat pemerintah di berbagai bidang keahlian yaitu agroklimat, ekonomi pangan, gizi masyarakat, budidaya padi, pasca panen padi, mekanisasi padi, padi pasang surut, sumberdaya air, kehutanan, sumberdaya lahan dan sistem (Lampiran 71).
Untuk kepentingan pengumpulan data identifikasi kebutuhan dan formulasi masalah (untuk analisis sistem dinamis) responden ditentukan secara sengaja (purposive sampling) di delapan provinsi yang mewakili delapan ekosistem sawah. Peneliti mengambil data secara langsung di dua provinsi yaitu Jawa Barat dan Kalimantan Barat sedangkan keenam provinsi lainnya diambil dari data yang dikumpulkan oleh Balai Besar Pengkajian Teknologi Pertanian yang pada waktu yang bersamaan sedang menggali permasalahan dan kebutuhan yang dibutuhkan oleh stakeholder dalam agribisnis padi di beberapa provinsi. Secara rinci lokasi penelitian dan jumlah responden di masing-masing daerah dapat dilihat pada Lampiran 72.
3.4. Metode Analisis
Metoda analisis yang digunakan dalam penelitian ini adalah: (1) Analisis ordinasi Rap-Rice dengan menggunakan metode “multivariate” yang dikenal dengan Multi Dimensional Scaling (MDS). Metode ini digunakan untuk menilai status keberlanjutan (existing condition) ketersediaan beras nasional dan juga status keberlanjutan ketersediaan beras antar wilayah dari berbagai dimensi (ekologi, ekonomi, sosial budaya, kelembagaan dan teknologi) dalam analisis ini juga akan didapatkan peubah yang sensitif mempengaruhi ketersediaan beras dari berbagai dimensi, (2) Analisis Prospektif, digunakan untuk mengidentifikasi faktor dominan (faktor kunci) yang mempengaruhi ketersediaan beras yang berkelanjutan. Analisis ini dilakukan dalam tiga tahap: (a) menganalisis peubah dominan dan sensitif yang didapat dari analisis status keberlanjutan, (b) menganalisis peubah dominan dan analisis kebutuhan atau peubah penting dari responden di berbagai provinsi yang mewakili beberapa ekosistem padi, (c) menganalisis peubah gabungan yang berada pada kuadran satu dan dua dari analisis prospektif di point a dan b, hasilnya peubah yang ada di kuadran satu dan dua merupakan peubah yang dipakai dalam analisis berikutnya yaitu analisis sistem dinamis, (3) Analisis sistem dinamis menggunakan software Powersim. Metode pendekatan ini digunakan untuk merancang bangun model ketersediaan
39
beras nasional dan mengetahui ketersediaan beras di masa yang akan datang (defisit atau surplus).
Gambar 6. Tahapan Analisis Penelitian
Hubungan antara tujuan, metoda analisis dan output dalam penelitian ini dapat dilihat secara ringkas pada Tabel 6.
Ya Basis pengetahuan Kebijakan Pemerintah Pendapat pakar Status keberlanjutan Peubah sensitif yang
mempengaruhi ketersediaan beras
Studi pustaka Pra survey pakar
Goal yang ingin dicapai Tujuan penelitian Analisis kebutuhan stakeholder Analisis formulasi permasalahan stakeholder
Peubah Dominan Dari Pakar dan Basis
Pengetahuan
Peubah Dominan/Kunci Dari Pakar dan Stakeholder
Model Ketersediaan Beras
Rancang Bangun Implementasi Rekayasa Model Penyediaan Beras
Analisis sistem dinamis Validasi Model Ok Implementasi Model Analisis keberlanjutan Tidak
40
Tabel 6. Ringkasan Tujuan, Output dan Metode Analisis Penelitian
No Tujuan Output Metode Analisis
1 Mengkaji keragaan penyediaan dan kebutuhan beras regional dan nasional Perkembangan penyediaan dan kebutuhan beras Analisis deskriptif (Tabulasi dan Trend Linear) 2 Menilai indeks dan status
keberlanjutan serta mengidentifikasi atribut sensitif yang berpengaruh pada sistem
Indeks dan status keberlanjutan Atribut sensitif yang
berpengaruh pada ketersediaan beras berkelanjutan Metode Multi Dimensi Scalling (MDS) (Rap Analysis) MDS (Leverage Analysis) 3 Mengidentifikasi faktor kunci yang
berpengaruh pada sistem dan merancang bangun model ketersediaan beras yang berkelanjutan (KBB)
Faktor kunci yang berpengaruh pada KBB (pengaruh tinggi dan ketergantungan tinggi) Model KBB Analisis prospektif Analisis sistem dinamik
4 Merumuskan skenario dan strategi
kebijakan dalam sistem KBB Skenario memungkinkan dan yang strategi kebijakan KBB Analisis prospektif Analisis sistem dinamik
Masing-masing metoda analisis yang digunakan dalam penelitian ini akan dijelaskan secara rinci sebagai berikut :
3.4.1. Analisis Indeks dan Status Keberlanjutan Ketersediaan Beras
Analisis indeks dan status keberlanjutan dilakukan dengan teknik ordinasi Rap-Rice modifikasi dari Rap-Fish yaitu menempatkan sesuatu pada urutan yang terukur dengan metoda Multi-Dimensional Scaling (MDS). MDS merupakan salah satu metoda “multivariate” yang dapat menangani data metrik (skala ordinal atau nominal). Metode ini juga dikenal sebagai salah satu metode ordinasi dalam ruang (dimensi) yang diperkecil (ordination in reduced space). Ordinasi sendiri merupakan proses yang berupa “plotting” titik obyek di sepanjang sumbu-sumbu yang disusun menurut hubungan tertentu (ordered relationship) atau dalam sebuah sistem grafik yang terdiri dari dua atau lebih sumbu (Legendre dan Legendre dalam Susilo, 2003). Melalui metode ordinasi, keragaman (dispersion) multidimensi dapat diproyeksikan di dalam bidang yang lebih sederhana. Metode ordinasi juga memungkinkan peneliti memperoleh banyak informasi kuantitatif dari nilai proyeksi yang dihasilkan. MDS juga merupakan tehnik statistik yang mencoba melakukan transformasi multi dimensi ke dalam dimensi yang lebih rendah (Fauzi dan Anna, 2005).
41
Analisis ordinasi Rap-Rice dilakukan melalui beberapa tahapan yaitu: (1) tahapan penentuan atribut sistem ketersediaan beras secara berkelanjutan yang mencakup 5 dimensi yaitu dimensi ekologi, dimensi ekonomi, dimensi sosial budaya, dimensi kelembagaan dan dimensi teknologi, (2) tahap penilaian setiap atribut dalam skala ordinal (skoring) berdasarkan kriteria keberlanjutan setiap dimensi, (3) Analisis ordinasi untuk menentukan ordinasi dan nilai stress, (4) penyusunan indeks dan status keberlanjutan ketersediaan beras yang dikaji baik secara umum maupun pada setiap dimensi, (5) Analisis Sensitivitas (Leverage
Analysis) untuk melihat atribut atau peubah yang sensitif mempengaruhi
keberlanjutan dan (6) Analisis Monte Carlo untuk memperhitungkan aspek ketidak pastian.
Setiap atribut di masing-masing dimensi diberikan skor yang mencerminkan keberlanjutan. Skor ini menunjukkan nilai baik (good) dan nilai buruk (bad). Nilai baik mencerminkan kondisi yang paling menguntungkan bagi ketersediaan beras sedangkan nilai buruk mencerminkan kondisi yang paling tidak menguntungkan. Di antara dua nilai ekstrim ini terdapat satu atau lebih nilai antara tergantung dari jumlah peringkat pada setiap atribut.
Dalam penelitian ini dimensi yang masuk dalam status keberlanjutan ketersediaan beras ada lima yaitu dimensi ekologi, ekonomi, sosial budaya, kelembagaan dan teknologi. Indikator dari keberlanjutan di masing-masing dimensi seperti yang sudah dikemukakan pada kerangka pemikiran mengikuti konsep yang dikemukakan oleh FAO (2000), Dale dan Beyeler (2001), Smith dan Mc Donald (1998) serta Chen (2000). Indikator masing-masing dimensi oleh para pakar dijabarkan dalam bentuk atribut yang lebih rinci seperti yang terlihat pada Tabel 7 – Tabel 11.
42
Tabel 7. Atribut dan skor Keberlanjutan Ekologi Dimensi/Atribut Skor Ba
ik
Bu
ru
k
Keterangan Sumber data
I. Keberlanjutan Ekologi
1. Persentase
Luas Hutan 0;1;2; 3; 4; 5 5 0 Didasarkan pada luas areal tanpa hutan: (0) ≥80; (1) 70-80; (2) 60-70 (3) 50-60 (4) 40-50 (5) <40 Dewan Ketahanan Pangan, 2005 2. Kelas Kemampuan Lahan 0; 1; 2;3;4; 5;6;7
0 7 Didasarkan pada luas lahan menurut kelas kemampuan lahan menurut Soepardi dalam Sitorus (1989): (0) sebagian besar lahan termasuk dalam kelas I, (1) sebagian besar lahan termasuk dalam kelas II, (2) sebagian besar lahan termasuk dalam kelas III, (3) sebagian besar lahan termasuk dalam kelas IV, (4) sebagian besar lahan termasuk dalam kelas V, (5) sebagian besar lahan termasuk dalam kelas VI, (6) sebagian besar lahan termasuk dalam kelas VII, (7) sebagian besar lahan termasuk dalam kelas VIII
Survey tanah Sitorus
3. Penggunaan Pupuk Kimia Per ha
0; 1; 2 0 2 Didasarkan pada banyaknya penggunaan pupuk kimia per ha tanaman padi per wilayah kepulauan relatif terhadap Indonesia : (0) lebih kecil (1) sama (2) lebih besar
Indikator Pertanian, 2004 4. Temperatur Rata-Rata Tahunan 0; 1; 2; 3 0 3 (0) 24-29
oC untuk kelas kesesuaian lahan S1
(1) >29-32 dan 22-<24 untuk kelas S2 (2) >32-35 dan 18-<22 untuk kelas S3 (3) >>32-35 dan <18 untuk kelas N2
Statistik LH Indonesia, 2004 5. Curah Hujan
Per Tahun 0; 1; 2; 3 0 3 (0) >1500 mm untuk kelas kesesuaian lahan S1 (1) 1200-1500 untuk kelas S2 (2) 800-<1200 untuk kelas S3 (3) <800 untuk kelas N2
Statistik LH Indonesia, 2004 6. Jumlah Bulan
Kering 0; 1; 2; 3 0 3 (0) <3 untuk kelas kesesuaian lahan S1 (1) 3-<9 untuk kelas S2 (2) 9-9,5 untuk kelas S3 (3) >9,5 untuk kelas N2
Statistik LH Indonesia, 2004 7. Kesesuaian
Lahan 0; 1; 2; 3 0 3 (0) A1, A2, B1, B2 untuk kelas kesesuaian lahan S1 (1) A1, A2, B1, B2, B3 untuk kelas S2 (2) A1, A2, B1, B2, B3, C1, C2, C3 untuk kelas S3 (3) A1, A2, B1, B2, B3, C1, C2, C3, D, D2, D3 untuk kelas N1 Statistik LH Indonesia, 2004 8. Ketersediaan
Sistem Irigasi 0; 1; 2 0 2 Didasarkan pada jenis pengairan dan frekuensi dua kali penanaman padi tahun 2003: (0) bagian besar lahan menggunakan sistem Irigasi teknis (1) bagian besar lahan menggunakan sistem Irigasi semi teknis (2) bagian besar lahan menggunakan sistem sederhana
Indikator Pertanian, 2004
9. Produktivitas
Padi 0; 1; 2 2 0 Didasarkan pada produktivitas padi di setiap wilayah relatif terhadap Indonesia: (0) lebih kecil (1) sama (2) lebih besar
Indikator Pertanian, 2004 10. Konversi Lahan/Alih Fungsi Lahan
0; 1; 2 0 2 Didasarkan pada konversi lahan sawah di setiap wilayah relatif terhadap Indonesia sejak tahun 1998-2003: (0) lebih kecil (1) sama (2) lebih besar Sensus Pertanian, 2003b (Hasil pencacahan) 11. Pencetakan Sawah/ Pembukaan Lahan
0; 1; 2 2 0 Didasarkan pada pencetakan lahan sawah di setiap wilayah relatif terhadap Indonesia sejak tahun 1998-2003: (0) lebih kecil (1) sama (2) lebih besar Sensus Pertanian, 2003b (Hasil pencacahan) 12. Puso Padi
Akibar Banjir 0; 1; 2 0 2 Didasarkan pada luas tanaman padi yang puso akibat banjir (ha) tahun 1999 dan 2002: (0) menurun (1) tetap (2) meningkat
Statistik Indonesia, 2001a&2003 13. Puso Padi Akibat Kekeringan
0; 1; 2 0 2 Didasarkan pada luas tanaman padi yang puso akibat kekeringan (ha) tahun 1999 dan 2002: (0) menurun (1) tetap (2) meningkat
Statistik Indonesia, 2001&2003 14. Puso Padi Akibat Jasad Pengganggu
0; 1; 2 0 2 Didasarkan pada luas tanaman padi yang puso akibat jasad pengganggu (ha) tahun 1999 dan 2002: (0) menurun (1) tetap (2) meningkat
Statistik Indonesia, 2001&2003 15. Status Lahan Abadi Untuk Padi
0; 1; 2 2 0 (0) belum ditentukan; (1) dalam
rencana/pembahasan; (2) sudah ditentukan Menko Perekonomi an, 2005 (RPKK)
43
Atribut-atribut yang ditentukan dalam dimensi keberlanjutan ekologi (lingkungan) terdiri pada atribut yang menekankan kepada hal-hal yang berkaitan dengan pemeliharaan keberlanjutan daya dukung lingkungan, sehingga tidak melewati batas kemampuannya untuk mendukung seluruh aktivitas yang ada di dalamnya dan meningkatkan kapasitas serta kualitas dari ekosistem agar sistem penunjang kehidupan tetap terjamin. Pada Tabel 7 disajikan atribut-atribut dan skor yang akan digunakan untuk menilai keberlanjutan ketersediaan beras pada dimensi keberlanjutan ekologi. Atribut yang digunakan untuk menilai keberlanjutan ekologi seluruhnya ada 15 atribut.
Atribut-atribut yang ditentukan dalam dimensi keberlanjutan ekonomi lebih ditekankan kepada atribut yang menggambarkan efisiensi ekonomi, kesejahteraan yang berkesinambungan bagi pelaku usaha dan peningkatan pemerataan serta distribusi kesejahteraan dalam masyarakat secara keseluruhan. Atribut yang digunakan dalam dimensi ekonomi seluruhnya ada 12 atribut. Atribut dan Skor keberlanjutan ekonomi Rap-Rice dapat dilihat pada Tabel 8.
Dalam dimensi keberlanjutan sosial budaya, atribut-atribut yang ditentukan berkaitan dengan stabilitas penduduk, pemenuhan kebutuhan dasar manusia dalam hal ini kebutuhan pangan pokok beras, menghargai sistem sosial budaya dan mempertahankan keaneka ragaman budaya serta mendorong partisipasi masyarakat dalam mengambil keputusan. Atribut dan Skor keberlanjutan sosial budaya Rap-Rice dapat dilihat pada Tabel 9.
Atribut dalam dimensi keberlanjutan kelembagaan menggambarkan suatu kondisi kelembagaan baik kelembagaan masyarakat maupun pemerintah yang dapat mendukung sistem ketersediaan beras, sehingga dengan adanya lembaga-lembaga ini diharapkan neraca ketersediaan beras positif seperti yang diharapkan dan berkelanjutan. Atribut yang digunakan untuk menilai keberlanjutan neraca ketersediaan beras dimensi kelembagaan ada 10 atribut. Atribut dan Skor keberlanjutan neraca ketersediaan beras dimensi kelembagaan Rap-Rice dapat dilihat pada Tabel 10.
44
Tabel 8. Atribut dan Skor Keberlanjutan Ekonomi Dimensi/Atribut Skor Bai
k Bur uk Keterangan Sumber data I. Keberlanjutan Ekonomi 1. Efisiensi
Ekonomi 0; 1; 2 2 0 Didasarkan pada hasil hitungan R/C: (0) tidak layak (R/C < 1), (1) Break even point ((R/C = 1), (2) layak ((R/C > 1)
Patanas, 2006
2. Tingkat
Keuntungan 0; 1; 2 2 0 Didasarkan pada persen keuntungan per ha dari usaha penanaman padi di setiap wilayah relatif terhadap persen keuntungan per ha dari usaha penanaman padi di Indonesia: (0) lebih kecil; (1) sama; (2) lebih besar
Indikator Pertanian, 2004
3. PDRB 0; 1; 2; 3; 4
4 0 Didasarkan pada PDRB 2003 di setiap wilayah relatif terhadap rata-rata PDRB Indonesia 2003: (0) jauh di bawah rata-rata, (1) di bawah rata-rata; (2) sama; (3) di atas rata; (4) jauh di atas rata-rata
Statistik Indonesia, 2004d
4. Produksi Padi 0; 1; 2;
3; 4 4 0 Didasarkan pada produksi padi di setiap wilayah relatif terhadap produksi padi Indonesia: (0) jauh di bawah rata-rata, (1) di bawah rata-rata; (2) sama; (3) di atas rata-rata; (4) jauh di atas rata-rata
Statistik Pertanian, 2003 5. Nilai Tukar Petani 0; 1; 2 2 0 Didasarkan pada nilai tukar petani di setiap
wilayah relatif terhadap nilai tukar petani di Indonesia: (0) lebih kecil, (1) sama; (2) lebih besar
Kinerja PKP, 2004
6. Perubahan Upah
Riil Buruh Tani 0; 1; 2 2 0 Didasarkan pada perubahan upah riil buruh tani menurut propinsi (rata2 Juni-Agustus 2003 terhadap Juni-Agustus 2002 dan rata2 Agustus-Oktober 2002 terhadap Agustus-Agustus-Oktober 2001 (BPS 2003): (0) turun tajam (<-2,5%), (1) tidak ada perubahan (-2,5 - < 2,5%), (2) naik tajam (> 2,5%)
Kinerja PKP, 2004 7. Jumlah Rumah Tangga Pertanian Dengan Luas Lahan > 0,5 ha yang Dikuasai
0; 1; 2 2 0 Didasarkan pada jumlah rumahtangga pertanian dengan luas lahan yg dikuasi ≥ 0,5 ha di setiap wilayah relatif terhadap jumlah rumah tangga pertanian dengan luas lahan > 0,5 ha yang dikuasai di Indonesia: (0) lebih kecil, (1) sama, (2) lebih besar Statistik Pertanian, 2003 8. Jumlah Tenaga Kerja Pertanian di subsektor Tanaman Pangan
0; 1; 2 2 0 Didasarkan pada jumlah tenaga kerja pertanian di subsektor tanaman pangan di setiap wilayah relatif terhadap jumlah tenaga kerja pertanian di subsektor tanaman pangan di Indonesia: (0) lebih kecil, (1) sama, (2) lebih besar
Statistik Pertanian, 2003
9. Harga Eceran
Beras 0; 1; 2; 3; 4 4 0 Didasarkan pada trend perkembangan harga beras tahun 2000-2003: (0) menurun, (1) fluktuasi dengan tren menurun, (2) tetap, (3) fluktuasi dengan tren meningkat, (4) meningkat
Statistik Indonesia, 2003c 10. Persentase Penduduk Hidup di Bawah Garis Kemiskinan 0; 1; 2;
3 0 4 Didasarkan pada trend persen populasi di bawah garis kemiskinan nasional tahun 1996, 1999 dan 2003 (Peta Kerawanan Pangan Indonesia: (0) menurun, (1) fluktuasi dengan tren menurun, (2) tetap, (3) fluktuasi dengan tren meningkat, (4) meningkat Dewan Ketaha nan Pangan, 2005 (PKPI) 11. Persentase Pangsa Produksi Padi 0; 1; 2;
3; 4 4 0 Didasarkan pada pangsa berbagai sentra produksi padi di setiap wilayah relatif terhadap pangsa sentra produksi padi di Indonesia: (0) jauh di bawah rata-rata, (1) di bawah rata-rata; (2) sama; (3) di atas rata-rata; (4) jauh di atas rata-rata
Ekonomi Padi dan Beras Deptan, 2004 12. Banyak Desa yang Memiliki Sarana Produksi Pemasaran 0; 1; 2;
3; 4 4 0 Didasarkan pada desa yang memiliki pasar dengan bangunan permanen di setiap wilayah 2003 relatif terhadap rata-rata desa yang memiliki pasar dengan bangunan permanen di indonesia 2003: (0) jauh di bawah rata-rata, (1) di bawah rata-rata; (2) sama; (3) di atas rata-rata; (4) jauh di atas rata-rata
Indikator Pertanian, 2001&2003
45
Tabel 9. Atribut dan Skor Keberlanjutan Sosial Budaya Dimensi/Atribut Skor Bai
k Bur u k Keterangan Sumber data
III. Keberlanjutan Sosial-Budaya
1. Persentase Tingkat Partisipasi Konsumsi Beras Wilayah Perkotaan 0; 1; 2; 3; 4
0 4 Didasarkan pada olahan data Susenas (1990, 1993, 1996, 1999): (0) menurun, (1) fluktuasi dengan trend menurun; (2) sama, (3) fluktuasi dengan trend meningkat, (4) meningkat
Susenas, 1993, 1996, 1999 2. Persentase Tingkat Partisipasi Konsumsi Beras Wilayah Pedesaan 0; 1;
2; 3; 4 0 4 Didasarkan pada olahan data Susenas (1990, 1993, 1996, 1999): (0) menurun, (1) fluktuasi dengan trend menurun, (2) sama, (3) fluktuasi dengan trend meningkat, (4) meningkat
Susenas, 1993, 1996, 1999 3. Persentase Desa yang Tidak Memiliki Akses Penghubung yang Memadai 0;1; 2;
3; 4; 5 5 0 Didasarkan pada persentase desa yang tidak bisa dilalui kendaraan roda empat (hasil olahan PKPI): (0) ≥ 30, (1) 25 - < 30, (2) 20 - < 25, (3) 15 - < 20, (4) 10 - < 15, (5) 0 - < 10
DKP, 2005 PKPI
4. Pertumbuhan
Penduduk 0; 1; 2; 3; 4 0 4 Didasarkan pada trend perkembangan penduduk tahun 1990, 2000 dan 2003: (0) menurun, (1) fluktuasi dengan trend menurun, (2) sama, (3) fluktuasi dengan trend meningkat, (4) meningkat
Statistik Indonesia, 2003c 5. Jumlah Rumahtangga Petani Padi 0; 1;
2; 3; 4 4 0 Didasarkan pada jumlah rumahtangga petani padi dan palawija tahun 1993 di setiap wilayah relatif terhadap jumlah rumahtangga petani padi di Indonesia: (0) jauh di bawah rata-rata, (1) di bawah rata-rata, (2) sama; (3) di atas rata-rata; (4) jauh di atas rata-rata
Statistik Pertanian, 2003 6. Rumahtangga Pertanian yang Pernah Mengikuti Penyuluhan Pertanian 0; 1;
2; 3; 4 4 0 Didasarkan pada jumlah RT pertanian yang pernah mengikuti penyuluhan di setiap wilayah relatif terhadap jumlah RT pertanian yang pernah mengikuti penyuluhan pertanian di Indonesia 2003: (0) jauh di bawah rata-rata, (1) di bawah rata-rata, (2) sama; (3) di atas rata-rata; (4) jauh di atas rata-rata Sensus Pertanian, 2003a 7. Pertumbuhan Konsumsi per Kapita
0; 1; 2 0 2 Didasarkan pada trend tingkat konsumsi beras (kg/kap/th) tahun 1996 dan 1999: (0) menurun, (1) tetap, (2) meningkat
Susenas, 1996, 1999
8. Perempuan
Berpendidikan 0; 1; 2 0 2 Didasarkan pada persen perempuan buta huruf di setiap wilayah kepulauan relatif terhadap persen perempuan buta huruf di Indonesia: (0) lebih kecil (1) sama (2) lebih besar
PKPI, DKP, 2005
9. Pendidikan Formal 0; 1;
2; 3; 4 4 0 Didasarkan pada persen rumahtangga usaha padi terhadap pendidikan formal: (0) persen terbesar adalah tidak tamat SD: (1) persen terbesar adalah tamat SD, (2) persen terbesar adalah tamat SMP, (3) persen terbesar adalah tamat SMA, (4) persen terbesar adalah tamatan PT
Padi dan Palawija BPS 10. Desa yang Sebagian Besar Penduduknya Bekerja di Sektor Tanaman Pangan 0; 1;
2; 3; 4 4 0 Didasarkan pada desa yang sebagian besar penduduknya bekerja di sektor tanaman pangan di setiap wilayah relatif terhadap Desa yang sebagian besar penduduknya bekerja di sektor tanaman pangan di Indonesia: (0) jauh di bawah rata-rata, (1) di bawah rata-rata, (2) sama; (3) diatas rata-rata; (4) jauh diatas rata-rata
Statistik Podes Indonesia, 2003d dan
46
Tabel 10. Atribut dan Skor Keberlanjutan Kelembagaan Dimensi/Atribut Skor Ba ik Bu ru k Keterangan Sumber data I. Keberlanjutan Kelembagaan 1. Perkembangan
KUD 0; 1; 2 2 0 Didasarkan pada perkembangan jumlah KUD di setiap wilayah relatif terhadap rata-rata perkembangan jumlah KUD di Indonesia tahun 2005: (0) lebih kecil; (1) sama; (2) lebih besar
Statistik Potensi Desa Indonesia, 2005 2. Kelembagaan Sekolah Tinggi Penyuluhan Pertanian (STPP)
0; 1; 2; 3 3 0 Didasarkan pada jumlah STPP di setiap wilayah (0) tidak ada; (1) terdapat hanya 1-2 unit; (1-2) terdapat 3-4; (3) terdapat 5-6
Statistik Pertanian, 2003 3. Sekolah Pertanian Pembangunan (SPP)
0; 1; 2 2 0 Didasarkan pada jumlah SPP di setiap wilayah (0) tidak ada; (1) terdapat hanya 1 unit; (2) terdapat lebih dari 1 unit
Statistik Pertanian, 2003 4. Jumlah Unit Pelaksana Teknis Balitbang (BPTP)
0; 1; 2 4 0 Didasarkan pada jumlah BPTP di setiap wilayah (0) tidak ada; (1) terdapat hanya 1-2 unit; (1-2) terdapat 3-4; (3) terdapat 5-6; (4) terdapat lebih dari 6 unit
Statistik Pertanian, 2003 5. Jumlah Unit Pelaksana Teknis Ditjen BP Tanaman Pangan (BPSBTPH)
0; 1; 2 2 0 Didasarkan pada jumlah BPSBTPH di setiap wilayah (0) tidak ada; (1) terdapat hanya 1 unit; (2) terdapat lebih dari 1 unit
Statistik Pertanian, 2003 6. Jumlah Unit Pelaksana Teknis Ditjen BP Tanaman Pangan (BPTPH)
0; 1; 2 2 0 Didasarkan pada jumlah BPTPH di setiap wilayah (0) tidak ada; (1) terdapat hanya 1 unit; (2) terdapat lebih dari 1 unit
Statistik Pertanian, 2003
7. Lembaga
Keuangan Mikro 0; 1; 2 2 0 Didasarkan pada jumlah LKM disetiap wilayah relatif terhadap rata-rata jumlah LKM Indonesia: (0) lebih kecil (1) sama (2) lebih besar Statistik Potensi Desa Indonesia, 2005 8. Kelompok Usaha
Pertanian 0; 1; 2 2 0 Didasarkan pada jumlah RT KUP di setiap wilayah relatif terhadap rata-rata jumlah Rt KUP Indonesia: (0) lebih kecil (1) sama (2) lebih besar Sensus Pertanian, 2003a 9. Jumlah Kelompok Taruna Tani
0; 1; 2 2 0 Didasarkan pada jumlah kelompok di setiap wilayah relatif terhadap rata-rata jumlah kelompok di Indonesia: (0) lebih kecil (1) sama (2) lebih besar
Statistik Pertanian
10.Jumlah kelompok
Wanita Tani 0; 1; 2 2 0 Didasarkan pada jumlah kelompok di setiap wilayah relatif terhadap rata-rata jumlah kelompok di Indonesia: (0) lebih kecil (1) sama (2) lebih besar
Statistik Pertanian
Keterangan:
BPSBTPH = Balai Pengawasan Sertifikasi Benih Tanaman Pangan dan Hortikultura BPTPH = Balai Penelitian Tanaman Pangan dan Hortikultura
BPTP = Balai Pengkajian Teknologi Pertanian
Atribut dalam dimensi keberlanjutan teknologi merupakan gambaran tentang teknologi yang digunakan dan dimiliki sehingga mampu mendorong ketersediaan beras yang berkelanjutan. Ada 11 atribut teknologi yang dianggap oleh para pakar dapat mewakili keberlanjutan teknologi dan tersedia datanya. Atribut dan Skor keberlanjutan teknologi Rap-Rice dapat dilihat pada Tabel 11.
47
Tabel 11. Atribut dan Skor Keberlanjutan Teknologi Dimensi/Atribut Skor Ba ik Bu ru k Keterangan Sumber data
IV. Keberlanjutan Teknologi
1. Jumlah Mesin Pengolah Lahan Jenis Traktor Roda Dua (Two Wheels
Tractors) dan Roda Empat (Four Wheels
Tractors)
0; 1;
2; 3; 4 4 0 Didasarkan pada jumlah mesin pengolah lahan di setiap wilayah relatif terhadap jumlah mesin pengolah lahan di Indonesia: (0) jauh di bawah rata-rata; (1) di bawah rata-rata; (2) sama; (3) di atas rata-rata; (4) jauh di atas rata-rata
Alat-alat Pertanian, 2002
2. Jumlah Alat
Penanaman 0; 1; 2 2 0 Didasarkan pada trend perkembangan jumlah alat penanaman (Jabber, seeder dan
transplanter) selang waktu 2000 dan 2002: (0) menurun; (1) tetap; (2) meningkat
Alat Pertanian, 2000&2002 3. Jumlah Alat Pemupukan Urea Tablet (Applicator) 0; 1;
2; 3; 4 4 0 Didasarkan pada jumlah alat pemupukan urea tablet (applikator) di setiap wilayah relatif terhadap jumlah alat aplikator di Indonesia 2002: (0) jauh di bawah rata-rata; (1) di bawah rata; (2) sama; (3) di atas rata-rata; (4) jauh di atas rata-rata
Alat-alat Pertanian, 2002
4. Pompa Air 0; 1; 2 2 0 Didasarkan pada trend perkembangan jumlah pompa air selang waktu 2000 dan 2002: (0) menurun; (1) tetap; (2) meningkat
Alat Pert, 2000&2002 5. Jumlah Mesin
Pemberantas Jasad Pengganggu
0; 1; 2 2 0 Didasarkan pada trend perkembangan jumlah alat hand sprayer dan knapsack motor
sprayer selang waktu 2000 dan 2002: (0) menurun; (1) tetap; (2) meningkat
Alat-alat Pertanian, 2000&2002 6. Jumlah Mesin Pemberantas Jasad Pengganggu Jenis Emposan Tikus (Fumigator) 0; 1;
2; 3; 4 4 0 Didasarkan pada perkembangan jumlah alat fumigator di setiap wilayah relatif terhadap
jumlah alat fumigator di Indonesia tahun 2002: (0) jauh di bawah rata; (1) di bawah rata-rata; (2) sama; (3) di atas rata-rata-rata; (4) jauh di atas rata-rata
Alat-alat Pertanian, 2002
7. Jumlah Mesin
Perontok Padi 0; 1; 2; 3; 4 4 0 Didasarkan pada jumlah mesin perontok padi di setiap wilayah relatif terhadap jumlah mesin perontok padi di Indonesia tahun 2002: (0) jauh di bawah rata; (1) di bawah rata-rata; (2) sama; (3) di atas rata-rata-rata; (4) jauh di atas rata-rata Alat-alat Pertanian, 2002 8. Jumlah Mesin Pengering Gabah (Dryer)
0; 1; 2 2 0 Didasarkan pada trend perkembangan selang waktu 2000 dan 2002: (0) menurun; (1) tetap; (2) meningkat Alat Pert, 2000&2002 9. Jumlah Mesin Pembersih Gabah (Cleaner) 0; 1;
2; 3; 4 4 0 Didasarkan pada jumlah mesin pembersih gabah (cleaner) di setiap wilayah relatif terhadap jumlah mesin pembersih gabah (cleaner) di Indonesia tahun 2002: (0) jauh di bawah rata-rata; (1) di bawah rata-rata; (2) sama; (3) di atas rata-rata; (4) jauh di atas rata-rata Alat-alat Pertanian, 2002 10. Jumlah Mesin Penyosoh Beras (polisher)
0; 1; 2 2 0 Didasarkan pada trend perkembangan selang waktu 2000 dan 2002: (0) menurun; (1) tetap; (2) meningkat
Alat Pert, 2000&2002 11. Jumlah Mesin
Penggiling Padi 0; 1; 2; 3; 4 4 0 Didasarkan pada jumlah mesin penggiling padi di setiap wilayah relatif terhadap jumlah mesin penggiling padi di Indonesia tahun 2002: (0) jauh di bawah rata-rata; (1) di bawah rata; (2) sama; (3) di atas rata-rata; (4) jauh di atas rata-rata
Alat-alat Pertanian, 2002
12. Jumlah Mesin Rice
Milling Unit (RMU) 0; 1; 2 2 0 Didasarkan pada trend perkembangan RMU selang waktu 2000 dan 2002: (0) menurun; (1) tetap; (2) meningkat
Alat-alat Pertanian, 2000&2002 13. Jumlah Mesin
Pemecah Kulit Gabah (Husker)
0; 1;
2; 3; 4 4 0 Didasarkan pada jumlah mesin pemecah kulit gabah di setiap wilayah relatif terhadap jumlah mesin pemecah kulit gabah di Indonesia tahun 2002: (0) jauh di bawah rata-rata; (1) di bawah rata-rata-rata; (2) sama; (3) di atas rata-rata; (4) jauh di atas rata
Alat-alat Pertanian, 2002
48
Proses ordinasi Rap-Rice ini menggunakan perangkat lunak modifikasi RAPFISH (rapid Apraisal For Fisheries) yang dikembangkan oleh University of British Columbia, Kanada untuk melakukan evaluasi keberlanjutan di bidang perikanan (Kavanagh, 2001) yang dalam perkembangannya RAPFISH ini dipakai juga untuk evaluasi keberlanjutan bidang-bidang lainnya seperti budidaya ternak, usahatani padi organik agribisnis sapi dan ketahanan pangan (Mersyah, 2004; Suwandi, 2005: Ridwan, 2005 dan Syafruddin, 2006).
Pendekatan MDS dalam RAPFISH memberikan hasil yang stabil (Pitcher and Preikshot, 2001 dalam Fauzi dan Anna, 2005) dibandingkan dengan metoda
multi variate analysis yang lain (misal factor analysis). Dalam MDS, dua titik atau
objek yang sama dipetakan dalam satu titik yang saling berdekatan. Sebaliknya, obyek atau titik yang tidak sama digambarkan dengan titik-titik yang berjauhan. Teknik ordinasi atau penentuan jarak di dalam MDS didasarkan pada Euclidian
Distance yang dalam ruang berdimensi n dapat ditulis sebagai berikut:
(
1− 2 2+ 1− 2 2+ 1− 2 2+...)
= x x y y z z
d
Konfigurasi dari objek atau titik didalam MDS kemudian diaproksimasi dengan meregresikan jarak Euclidian (dij) dari titik i ke titik j dengan titik asal (δij) sebagaimana persamaan berikut:
ε
βδ
α
+ + = ij ij dTeknik yang digunakan dalam meregresikan persamaan di atas adalah Algoritma ALSCAL (Alder et al., 2000 dalam Fauzi dan Anna, 2005). Metoda ALSCAL mengoptimisasikan jarak kuadrat (square distance = dijk ) terhadap data kuadrat (titik asal = Oijk ), yang dalam tiga dimensi (i, j, k) ditulis dalam formula yang disebut S-Stress sebagai berikut:
(
)
∑
∑ ∑
∑∑
= ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − = m k i j ijk i j ijk ijk o d m s 1 4 2 2 2 0 1Dimana jarak kuadrat merupakan jarak Euclidian yang dibobot, atau ditulis:
(
)
∑
= − = r a ja ia ka ijk w x x d 1 2 2
49
Goodness of fit dalam MDS dicerminkan dari besaran nilai S-Stress yang
dihitung berdasarkan nilai S di atas dan R2 (Malhotra, 2006). Nilai stres yang rendah menunjukkan good fit, sementara nilai S yang tinggi menunjukkan sebaliknya. Di dalam pendekatan RAPFISH, model yang baik ditunjukkan dengan nilai stres yang lebih kecil dari 0.25 atau S < 0.25 (Fauzi dan Anna, 2005). Nilai R2 yang baik adalah R2 yang nilainya mendekati 1.
Melalui MDS, posisi titik keberlanjutan dapat divisualisasikan dalam dua dimensi yaitu sumbu horizontal dan sumbu vertikal. Sumbu horizontal menunjukkan perbedaan sistem yang dikaji dalam ordinasi “buruk” (0 persen) sampai “baik” (100 persen) untuk setiap dimensi yang dianalisis. Sedangkan sumbu vertikal menunjukkan perbedaan dari campuran skor atribut di antara sistem yang dikaji. Hasil analisis menghasilkan suatu nilai dimana nilai ini merupakan nilai indeks keberlanjutan sistem yang dikaji. Analisis ordinasi ini dapat dilakukan juga untuk menganalisis seberapa jauh status keberlanjutan untuk masing-masing dimensi. Gambaran analisis keberlanjutan antar dimensi dapat divisualisasikan dalam sebuah diagram layang (kite diagram) seperti terlihat pada Gambar 7.
0 25 50 75 100Ekologi Ekonomi Sosial Budaya Teknologi Kelembagaan
Gambar 7. Diagram Layang Keberlanjutan Ketersediaan Beras Nasional
Skala indeks keberlanjutan sistem yang dikaji mempunyai selang 0 persen - 100 persen. Jika nilai indeks lebih dari 50 persen maka sistem yang dikaji tersebut dapat dikategorikan berkelanjutan (sustainable) dan bila indeks kurang dari 50 persen maka sistem yang dikaji belum berkelanjutan. Namun dalam penelitian ini dilakukan modifikasi dengan membuat empat kategori status keberlanjutan dari skala dasar tersebut, seperti yang terlihat pada Tabel 12.
50
Tabel 12. Kategori Status Keberlanjutan
Nilai Indeks Kategori
0.00 – 25.00 Buruk: Tidak berkelanjutan 25.01 – 50.00 Kurang: Kurang berkelanjutan 50.01 – 75.00 Cukup: Cukup berkelanjutan 75.01 – 100.00 Baik: Sangat berkelanjutan
Analisis sensitivitas (leverage) dalam penelitian ini dilakukan untuk melihat atribut mana saja yang sangat dominan atau sensitif mempengaruhi keberlanjutan dibanding atribut lainnya. Untuk mengevaluasi dampak kesalahan acak (random error) terhadap seluruh dimensi pada proses pendugaan nilai ordinasi digunakan analisis Monte Carlo dengan metode “scatter plot” (Kavanagh, 2001; Fauzi dan Anna, 2005). Analisis ini merupakan metoda simulasi yang dapat melihat aspek ketidak pastian yang dapat disebabkan antara lain oleh: (1) dampak dari kesalahan dalam skoring akibat minimnya informasi, (2) dampak dari keragaman dalam skoring akibat perbedaan penilaian, (3) kesalahan dalam data entry dan (4) Tingginya nilai stres yang diperoleh dari algoritma ALSCAL. Secara lengkap tahapan analisis keberlanjutan dari penelitian ini disajikan pada Gambar 8.
Gambar 8. Tahapan Indeks dan Status Analisis Keberlanjutan Menggunakan MDS dengan Aplikasi Modifikasi Rapfish
Mulai
Review Atribut
(meliputi berbagai kategori dan skoring kriteria)
Identifikasi sistem dan pendefinisian (didasarkan kriteria yang konsisten)
Skoring (mengkrontruksi reference point untuk good and bad serta anchor)
Multidimensional Scaling Ordination (untuk setiap atribut)
Simulasi Monte Carlo
(Analisis Ketidakpastian) (Analisis Sensitivitas) Simulasi Leverage
51
3.4.2. Pendekatan Sistem
Pendekatan sistem diartikan sebagai metoda pengkajian permasalahan yang dimulai dari analisis kebutuhan sehingga dapat menghasilkan suatu model operasional dari sistem tersebut. Dalam pendekatan sistem ada beberapa tahapan analisis diantaranya adalah (1) analisis kebutuhan, (2) formulasi masalah, (3) identifikasi sistem, (4) pemodelan sistem, (5) validasi dan verifikasi model serta (6) implementasi. Sedangkan Maani dan Cavana (2000) menyatakan hal yang tidak jauh berbeda dalam tahapannya kecuali melakukan rencana skenario sebelum tahapan implementasi.
3.4.2.1. Analisis Kebutuhan
Analisis kebutuhan merupakan permulaan pengkajian dari suatu sistem (Eriyatno, 1987). Dalam melakukan analisis kebutuhan ini dinyatakan kebutuhan-kebutuhan yang ada, baru kemudian dilakukan tahap pengembangan terhadap kebutuhan-kebutuhan yang didiskripsikan.
Langkah awal dalam mengidentifikasi kebutuhan adalah dengan mendata para stakeholder yang terkait. Bedasarkan kajian pustaka dan hasil penelitian pihak-pihak yang terkait dalam penyediaan dan konsumsi beras beras dikelompokkan sebagai berikut: (1) Pemerintah (pusat dan daerah) serta Departemen terkait, (2) Swasta (pedagang, koperasi, penggilingan, importir), (3) Konsumen, (4) Petani dan kelompok tani (produsen beras) dan (5) Masyarakat umum.
Analisis kebutuhan dilakukan pada stakeholder di 8 provinsi yang mewakili 8 ekosistem padi yaitu Jawa Barat, Sumatera Barat, Sumatera Utara, Sulawesi Selatan, Kalimantan Barat, Kalimantan Selatan dan Jawa Timur (Lampiran 71). Participatory
Rural Appraisal merupakan program yang dilakukan oleh BPTP untuk melihat kendala
dan kebutuhan yang diperlukan di masing-masing daerah. Peneliti mengikuti
52
Tabel 13. Analisis Kebutuhan Stakeholder Dalam Sistem Penyediaan dan Konsumsi Beras
No. Stakeholder/
Pelaku Sistem Kebutuhan Stakeholder/Pelaku Sistem
1. Petani • Harga saprodi rendah
• Harga gabah tinggi
• Tersedianya benih dengan mutu yang baik
• Produktivitas padi tinggi
• Modal pinjaman tersedia
• Tenaga kerja tersedia
• Penyuluhan
• Sarana irigasi memadai
• Teknologi berproduksi
• Pendapatan yang tinggi
2. Swasta
• Pedagang beras
• Pengusaha penggilingan
• Koperasi pedesaan
• Keuntungan usaha yang layak
• Jaminan bahan baku
• Jaminan usaha berkelanjutan
• Akses penghubung memadai
3. Konsumen • Tersedia sepanjang waktu
• Kualitas baik
• Harga murah
4. Masyarakat LSM • Keserasian kehidupan sosial, ekonomi dan
lingkungan
• Tidak terjadinya gejolak sosial
• Tidak terjadi degradasi SDA dan lingkungan
• Kelembagaan panen
• Penyerapan tenaga kerja
5. Pemerintah pusat dan daerah,
Departemen terkait: Deptan, Bulog, Deperindag
• Neraca beras positif (semua kebutuhan beras
terpenuhi) secara berkelanjutan
• Peningkatan produksi padi
• Pemanfaatan sumberdaya secara optimal
• Penurunan tingkat degradasi SDA dan lingkungan
• Peraturan daerah (penggunaan lahan)
• Koordinasi dan kerjasama antar sektor
• Penyuluhan lembaga dan pendampingan
3.4.2.2. Formulasi Masalah dalam Sistem
Adanya keinginan dan kebutuhan yang berbeda-beda di antara peran
stakeholder, akan menimbulkan conflict of interest dalam sistem. Untuk
memetakan berbagai kepentingan stakeholder diperlukan analisis formulasi masalah penyediaan dan konsumsi beras seperti terlihat pada Tabel 14.
53
Tabel 14. Analisis Formulasi Permasalahan Stakeholder dalam Sistem Penyediaan dan Konsumsi Beras
No. Stakeholder/Pelaku Sistem Formulasi Permasalahan
1 Petani Produsen dan kelompok
tani • • Harga gabah yang diterima petani rendah, harga input tinggi Keuntungan usaha relatif terhadap tanaman lain rendah
• Keadaan iklim, air irigasi dan lahan kurang mendukung peningkatan produksi
• Tingginya alih fungsi lahan sarana produksi seperti pupuk dan pestisida sering datangnya tidak tepat waktu
2. Swasta • Pedagang beras • Pengusaha penggilingan • Koperasi pedesaan • Lembaga keuangan/perkreditan
• Mutu gabah yang diperdagangkan rendah
• Kontinuitas bahan baku kurang terjamin
• Ketatnya birokrasi untuk pendirian usaha
• Penyaluran kredit perlu agunan dan kredit macet
• Persaingan usaha ketat dan keuntungan kurang
3. Konsumen • Harga berfluktuasi dan tinggi pada saat tidak musim panen
• Mutu beras kurang terjamin
4. Masyarakat LSM • Belum melekatnya budaya pangan non beras
• Meningkatnya pertentangan dan konflik sosial (kelembagaan panen)
5. Pemerintah pusat, daerah dan
Departemen terkait • Koordinasi vertikal dan horizontal belum berjalan terutama untuk penetapan lahan untuk padi, distribusi pangan raskin dan pembelian gabah dari petani.
• Lemahnya dukungan atas sarana infrastruktur terutama irigasi
• Lemahnya dukungan dan informasi waktu tanam serta harga
3.4.2.3. Indentifikasi Ketersediaan Beras Nasional
Beras merupakan pangan pokok penting yang dikonsumsi oleh hampir seluruh rakyat Indonesia, hal ini dilihat dari partisipasi konsumsi yang mencapai hampir 100 persen (98 %), sehingga pemantauan terhadap ketersediaan beras perlu dilakukan setiap tahunnya.
Pemodelan ketersediaan beras ditujukan untuk mengetahui perilaku ketersediaan beras di masa yang akan datang sebagai pemenuhan untuk konsumsi rumah tangga (RT), pemenuhan kebutuhan bahan baku industri, pemenuhan kebutuhan benih, pakan dan ekspor. Dalam penelitian ini model ketersediaan beras Nasional dibagi ke dalam dua subsistem yaitu subsistem penyediaan dan subsistem kebutuhan beras. Model ini dibuat berdasarkan identifikasi permasalahan yang dituangkan ke dalam diagram sebab akibat (causal loop ), dimana bahasa gambar yang dipakai dalam diagram sebab akibat ini adalah dengan memakai gambar panah yang saling mengait, dimana hulu panah mengungkapkan sebab dan ujung panah mengungkap akibat.
Jika terjadi hubungan umpan balik (feedback) antar variabel dalam diagram sebab akibat maka keterkaitan tersebut disebut sebagai suatu (feedback loop). Model sistem ini diformulasikan dalam diagram alir (stock and flow) dan diformulasikan dengan menggunakan Software Powersim.
54
3.4.2.3.1. Diagram Sebab Akibat (Causal Loop)
Untuk melihat sistem penyediaan beras dibuat diagram lingkar sebab akibat yang menggambarkan keterkaitan hubungan antara sistem penyediaan dan sistem kebutuhan beras, serta komponen atau elemen yang berinteraksi di dalam sistem seperti yang terlihat pada Gambar 9.
Gambar 9. Diagram Alir Sebab Akibat Simulasi Model Dinamis Ketersediaan Beras Sebagai Ketahanan Pangan Berkelanjutan
Luas Lahan Basah Laju Konversi Lahan Basah Laju Pembukaan Lahan Basah + -(-) + + (+) Produksi Padi Lahan Basah + Produktivitas Padi Lahan Basah + Luas Lahan Kering (Panen) Laju Pembukaan Lahan Kering + + (-) + -(+) Produksi Padi Lahan Kering + Produktivitas Padi Lahan Kering + Laju Konversi Lahan Kering Gap -+ Goal lahan basah + Gap Goal lahan kering -+ + + Total Produksi Padi Pakan Ternak/ Unggas - - KebutuhanBenih Tercecer/ Susut -Rendemen Gabah_Beras + + Total Produksi Beras + Penyediaan Impor Ekspor Stok/Cadangan + + + -+ KETERSEDIAAN BERAS NASIONAL
Kebutuhan Beras Nasional
-Bahan Baku Industri (Non Makanan) + Kebutuhan Konsumsi Beras RT Nasional + Laju Pertumbuhan Penduduk Kota Penduduk Kota + + (+) Laju Pertumbuhan Penduduk Desa Penduduk Desa + + (+) Kebutuhan Konsumsi Beras Kota Kebutuhan Konsumsi Beras Desa Konsumsi Perkapita Kota Konsumsi Perkapita Desa + + + + + + IP +
55
3.4.2.3.2. Diagram Black Box
Dari diagram lingkar sebab akibat di atas selanjutnya dimanfaatkan ke dalam konsep konstruksi “black box” atau diagram masukan keluaran. Untuk lebih jelasnya variabel-variabel yang mempengaruh kinerja sistem tersebut disajikan pada Gambar 10.
Gambar 10. Diagram Masukan Keluaran Model Neraca Ketersediaan Beras Nasional
3.4.2.4. Formulasi Model
Formulasi model merupakan perumusan masalah ke dalam bentuk matematis yang dapat mewakili sistem nyata. Formulasi model menghubungkan variabel-variabel yang telah ditentukan dalam bentuk kontekstual dengan bahasa simbolis. Formulasi model Sub Model Penyediaan dan Sub Model Sistem Kebutuhan dapat dilihat secara rinci sebagai berikut:
Input Tak Terkontrol • Jumlah penduduk • Iklim dan cuaca • Topografi lahan
Output yang Dikehendaki • Neraca beras positif
atau kebutuhan beras terpenuhi
• Produksi tinggi • Kualitas lahan yang
lestari • Beras terdistribusi dengan baik • Keuntungan petani tinggi Input Terkontrol • Teknologi budidaya • Teknologi pasca panen • Perluasan areal tanam • Konversi lahan • Konsumsi per kapita • Pertumbuhan penduduk
Output yang Tak Dikehendaki • Biaya produksi tinggi • Puso akibat gangguan
iklim dan HPT • Pencemaran saluran
air
• Penggunaan SDA yang berlebihan • Gas metan meningkat
Ketersediaan Beras Yang Berkelanjutan Input Lingkungan • Kebijakan Pemerintah • Nilai tukar rupiah • Kondisi sosial ekonomi
(global)
Manajemen Pengendalian Sistem Ketersediaan Beras
Nasional (Umpan Balik)
56
a. Sub Model Penyediaan
Gambar 11 menunjukkan bentuk model sederhana diagram-alir sistem dinamik dari subsistem penyediaan. Subsistem penyediaan beras dipengaruhi oleh berbagai variabel antara lain produksi padi, luas areal padi (sawah dan ladang), produktivitas padi, alih fungsi lahan, pembukaan lahan, intensitas pertanaman (IP) dan konversi gabah ke beras serta impor.
Luas areal padi dalam penelitian ini akan memberikan pengaruh positif terhadap produksi atau merujuk kepada kerangka pemikiran kesisteman disebut mempunyai hubungan kausal positif. Semakin tinggi luas areal padi maka semakin tinggi produksi padi yang dihasilkan, dan semakin banyak padi yang tersedia untuk memenuhi kebutuhan. Dalam penelitian ini luas areal padi dibagi ke dalam dua yaitu areal padi lahan basah yaitu sawah dan padi lahan kering atau ladang, dimana pola hubungannya serupa.
Sementara itu semakin tinggi luas areal yang tersedia maka semakin besar peluang terjadinya alih fungsi lahan seperti yang sedang terjadi saat ini terutama di Jawa, banyak lahan padi dikonversi untuk keperluan lain seperti industri, perumahan dan jalan. Konversi lahan ini akan memberikan pengaruh negatif terhadap luas areal. Hal ini berarti semakin besar konversi lahan maka semakin berkurang luas areal. Hubungan yang terjadi pada loop seperti ini dinyatakan sebagai feedback negatif. Oleh karena itu pemerintah saat ini berusaha melakukan perluasan areal dengan melakukan pembukaan lahan atau pencetakan sawah baru. Bahkan pemerintah saat ini dalam Revitalisasi Pertanian, Perikanan dan Kehutanan mencanangkan lahan pertanian abadi, lahan sawah 15 juta hektar dan lahan kering 15 juta hektar. Pada loop ini digunakan variabel perantara yaitu gap yang menyatakan selisih antara goal lahan dengan luas areal riil. Variabel gap pada loop ini akan menghasilkan hubungan feedback negatif.
57
Gambar 11. Struktur Sub Model Penyediaan Beras Nasional
Produktivitas padi akan memberikan pengaruh yang positif terhadap produksi padi. Hal ini berarti semakin tinggi produktivitas padi akan mengakibatkan semakin tinggi produksi. Begitupula intensitas pertanaman (IP) mempunyai pengaruh positif terhadap luas areal, semakin tinggi IP maka luas areal akan semakin besar.
Dari hubungan sebab akibat antar variabel pada sub model sistem penyediaan di atas dilakukan penterjemahan diagram sebab akibat ke diagram alir (stok dan flow).
Sub Model Penyediaan dirumuskan dalam persamaan matematis sebagai berikut: Penyediaan = Penyediaan_beras ...(1) Goal_lhn_kering Fraksi_konversi_lhn_kering Gap_lhn_kering Lj_pembukaan_lhn_kering Luas_lhn_basah Lj_konversi_lhn_kering Lj_konversi_lhn_basah Luas_lhn_kering Fraksi_pembukaan_lhn_basah Lj_pembukaan_lhn_basah Goal_lhn_basah Gap_lhn_basah Fraksi_konversi_lhn_basah Produksi_padi_lhn_kering Prodktvts_padi_lhn_kering Produksi_beras fr_rend_gbhbrs Produksi_padi_lhn_basah IP Prodktvts_padi_lhn_basah Produksi_padi Tercecer Fraksi_tercecer Fraksi_bibit Bibit Pakan_Ternak Fraksi_pakan_ternak Total_produksi_padi Ekspor PENYEDIAAN_BERAS_NASIONAL fr_ekspor Fraksi_pembukaan_lhn_kering Stok_beras_Nas iImpor fr_iImpor
58
Dimana:
Penyediaan_beras = Produksi_Beras + Impor - Ekspor + Stok_Cadangan
Persamaan (1) ini menyatakan bahwa penyediaan beras nasional merupakan produksi beras yang dihasilkan oleh Indonesia ditambah beras impor dan stok cadangan beras yang ada dikurangi dengan banyaknya beras yang diekspor.
Produksi_beras = Total_produksi_padi*Rendemen_gabah_beras ...(2) dimana:
Total_produksi_padi = Produksi_padi – Pakan_Ternak – Bibit – Tercecer Rendemen_gabah_beras = 62
Persamaan (2) menyatakan bahwa total produksi padi merupakan perkalian produksi padi dalam bentuk gabah kering giling dengan konversi gabah atau rendemen gabah beras menjadi beras. Rendemen yang dipakai dalam analisis sesuai dengan informasi yang didapat dari Sawit (1999) yang menyatakan bahwa untuk periode tahun 1990 -1996 rendemennya adalah 66 persen, sedangkan sekarang adalah sebesar 62 persen. Rendemen menurun dari tahun ke tahun disebabkan karena kualitas penggilingan menurun karena mesinnya sudah banyak yang tua.
Total_produksi_padi = Produksi_padi_sawah + Produksi_padi_ladang ... (3) dimana:
Produksi_padi_sawah = Luas_lahan_basah * Produkstivitas_padi_sawah Produksi_padi_ladang = Luas_lahan_kering*Produktivitas_padi_ladang
Total produksi padi (3) merupakan penjumlahan dari produksi padi sawah dan produksi padi ladang. Sementara produksi pada sawah/ladang diperoleh dari perkalian antara luas lahan basah/kering dengan produktivitas padi sawah/ladang.
Luas_lahan_basah = 8400030 + dt*Lj_pertumbuhan_lahan_basah – dt*Laju_konversi_lahan_basah ...(4) dimana,
Luas_lahan_basah = luas areal panen padi sawah (Ha)
Laju_pembukaan_lahan_basah = laju pembukaan lahan sawah Laju_konversi_lahan_basah = laju konversi lahan sawah
Persamaan (4) menyatakan bahwa luas areal panen mengakumulasi perbedaan antara laju pembukaan lahan sawah dan laju konversi lahan sawah terhadap keadaan luas areal panen sebelumnya yaitu luas panen pada tahun
59
2005 (tahun dasar simulasi) sebesar 8 400 030 hektar. Luas areal panen adalah besarnya luas lahan yang dapat menghasilkan padi, sedangkan konversi lahan merupakan konversi lahan sawah ke penggunaan lain misal non pertanian seperti untuk perumahan dan keperluan publik lainnya seperti jalan.
Luas_lahan_kering = 1165000 + dt*Laju_pertumbuhan_lahan_kering – dt*Laju_konversi_lahan_kering ...(5) dimana,
Luas_lahan_kering = Luas lahan kering untuk padi ladang
Laju_pembukaan_lahan_kering = Laju pembukaan ladang Laju_konversi_lahan_kering = Laju konversi ladang
Luas areal panen padi lahan kering (ladang) menyatakan bahwa luas areal lahan kering mengakumulasi perbedaan antara laju pembukaan lahan dan laju konversi lahan terhadap keadaan luas areal panen sebelumnya, yaitu luas panen pada tahun 2005 sebesar 1 165 000 hektar. Luas areal panen ini yang digunakan untuk tanaman padi ladang. Pembukaan lahan adalah besarnya lahan yang dapat diusahakan untuk menambah luas areal yang ada, sedangkan konversi lahan merupakan penggunaan areal padi ladang untuk kepentingan lain (non padi) dan pemanfaatan bagi kepentingan non pertanian.
b. Sub Model Kebutuhan
Sub-sistem konsumsi merupakan penjabaran dari sub-sistem permintaan. Gambar 9 menunjukkan bagan alir sistem dinamik dari sub-sistem konsumsi. Komponen utama pada sub-sistem ini adalah pertumbuhan penduduk termasuk di dalamnya tingkat kelahiran dan tingkat kematian serta tingkat konsumsi per kapita yang lebih jauh dipengaruhi oIeh adanya diversifikasi pangan.
Dalam model ini penduduk dipisahkan ke dalam dua kategori, yaitu penduduk desa dan penduduk kota. Unsur lain yang juga berpengaruh pada sub-sistem konsumsi adalah kebutuhan beras untuk produksi bahan pangan lain (industri), bibit dan cadangan beras nasional yang ditentukan oleh pemerintah
(iron stock). Kebutuhan beras untuk bahan industri dinyatakan sebagai
persentase dari total kebutuhan beras konsumsi, untuk kebutuhan pakan dinyatakan berdasarkan persentase produksi padi dan untuk kebutuhan bibit dihitung berdasarkan luas tanam.
60 Lj_pertumbuhan_desa Penduduk_Desa Kebutuhan_beras_kota Penduduk_Kota Fraksi_pertumbuhan_kota Konsumsi_perkapita_desa Fraksi_pertumbuhan_desa Lj_pertumbuhan_kota Kebutuhan_beras_desa Konsumsi_perkapita_kota KEBUTUHAN_BERAS_NASIONAL Kebutuhan_konsumsi_beras_RT_nasional Produksi_beras Kebutuhan_Bahan_Baku_Industri fr_bhn_Baku_Ind
Gambar 12. Struktur Sub Model Kebutuhan Beras Nasional
Sub model kebutuhan konsumsi dirumuskan dalam persamaan matematis sebagai berikut:
Kebthn_beras_nasional = Kbthn_konsumsi_beras_RT_nasional +
Kebthn_industri_makanan_dan_non_makanan...(6) dimana,
Kebthn_beras_nasional : Total kebutuhan beras nasional (ton)
Kbthn_konsumsi_beras_RT_nasional: Total kebutuhan beras bagi rumah tangga nasional (ton/th)
Kebthn_industri_non_makanan : Kebutuhan bahan baku beras pada Industri makanan dannon makanan (ton)
Persamaan (6) merupakan persamaan untuk mengetahui kebutuhan/jumlah beras yang diperlukan untuk konsumsi nasional. Besarnya merupakan penjumlahan antara total kebutuhan beras bagi rumah tangga nasional (ton/th) dengan kebutuhan bahan baku beras bagi industri non makanan (ton).
Kebthan_konsumsi_beras_RT_nasional = Kebthn_beras_desa + Kebthn_beras_ Kota ...(7)
61
dimana,
Kebthn_beras_desa = Penduduk_desa * Konsumsi_perkapita_desa Kebthn_beras_kota = Penduduk kota * Konsumsi_perkapita_kota
Persamaan (7) menyatakan bahwa total kebutuhan beras bagi rumah tangga nasional (ton/th) merupakan penjumlahan antara kebutuhan beras bagi penduduk desa Indonesia (ton/th) dengan kebutuhan beras bagi penduduk kota Indonesia (ton/th). Sementara kebutuhan beras bagi penduduk desa/kota diperoleh dari perkalian antara jumlah penduduk desa/kota dengan tingkat konsumsi penduduk desa/kota di Indonesia.
Kebutuhan industri dirumuskan dalam persamaan matematis sebagai berikut:
Kebthn_industri_non_makanan = +dt*Laju_ind ...(8) dimana,
Laju_ind = Produksi_beras * frk_keb_ind/100
Persamaan (8) menyatakan bahwa kebutuhan industri non makanan merupakan kebutuhan bahan baku beras pada industri non makanan (ton) yang besarnya diperoleh dari perkalian antara produksi beras nasional (ton) dengan persentase kebutuhan industri non makanan terhadap produksi beras (%/th). Sementara produksi beras diperoleh dengan mengacu kepada persamaan (2) dan (3).
3.4.2.5. Model Perberasan Nasional
Hasil akhir dari sub-sistem produksi adalah total produksi beras (Tot_Prod_Brs), dan hasil akhir dari sub-sistem konsumsi adalah total kebutuhan beras (Keb_Brs_Nas). Kedua peubah ini akan digabungkan menjadi satu peubah yang akan menggambarkan terjadinya kelebihan atau kekurangan persediaan beras nasional (Neraca_Brs_Nas).
Sub model neraca dirumuskan dalam persamaan matematis sebagai berikut:
Neraca_beras =Total_penyediaan– Total_kebutuhan ...(9) dimana,
Total_Penyediaan = Produksi_beras + Impor – Ekspor + Stok_cadangan Total_kebutuhan = Kebthn_industri_non_makanan + Kebthn_konsumsi_
62
Persamaan (9) merupakan persamaan untuk mengetahui neraca ketersediaan beras nasional (ha). Besarnya merupakan penjumlahan antara penyediaan beras nasional (ton) dengan total kebutuhan beras nasional (ton).
Penggambaran dari gabungan kedua sub-sistem dalam bentuk diagram-alir ditunjukkan pada Gambar 13.
Gambar 13. Model Perberasan Nasional
Pada Model Perberasan Nasional ini, akan terlihat terjadinya kelebihan (surplus) atau kekurangan (defisit) beras di tingkat nasional, nilai kekurangan atau kelebihan yang terjadi akan dapat dipakai sebagai landasan penggambilan keputusan atau kebijakan pada waktu yang akan datang.
3.4.2.6. Validasi Model
Verifikasi model dilakukan dengan pengecekan secara dimensional (satuan ukuran) terhadap variabel-variabel model meliputi level, rate, dan konstanta terhadap data sekunder, mengetahui ketepatan penggunaan metode integrasi dan time step yang dipilih, serta meminta stakeholder untuk mengevaluasi model yang dibuat. Validasi model merupakan suatu usaha untuk menyimpulkan apakah model sistem yang dibangun merupakan perwakilan yang sah dari realitas yang dikaji sehingga dapat menghasilkan kesimpulan yang meyakinkan (Eriyatno, 2003). Validasi model ini umumnya dilakukan sesuai dengan tujuan pemodelan yaitu dengan membandingkan perilaku dinamis model dengan kondisi sistem nyata, apabila model telah dianggap valid, selanjutnya model ini dapat dipergunakan sebagai wakil sistem nyata.
Peny_Brs_Nas Keb_Brs_Nas
63
Menurut Muhammadi et al. (2001) validasi model terbagi menjadi dua tahap yaitu (1) Validasi struktur model dan (2) Validasi kinerja output model. Validasi struktur model mempunyai tujuan untuk melihat sejauh mana keserupaan struktur model mendekati struktur nyata. Sebagai model struktural yang berorientasi proses, keserupaan struktur model dengan struktur nyata ditunjukkan dengan sejauh mana interaksi variabel model dapat menirukan interaksi kejadian nyata, sedangkan validasi kinerja bertujuan untuk memperoleh keyakinan sejauh mana kinerja model sesuai (compatible) dengan kinerja sistem nyata, sehingga memenuhi syarat sebagai model ilmiah yang taat fakta.
Dalam validitas kinerja output dilakukan dua langkah (a) Pertama, membandingkan secara visual output simulasi dengan pola perilaku secara empirik, jika ada penyimpangan yang menonjol, kemudian memperbaiki variabel dari parameter model berdasarkan hasil penelusuran terhadap sebab-sebab penyimpangan tersebut, (b) Kedua, jika secara visual pola output simulasi sudah mengikuti pola data aktual maka dilakukan uji statistik, dengan tujuan membandingkan sejauh mana data simulasi dan pola simulasi dapat menirukan data statistik dan informasi aktual. Banyak Uji statistik yang dapat dipakai untuk mengukur penyimpangan antara output simulasi dengan data aktual diantaranya
Mean Absolut Deviasi (MAD), Mean Square Error (MSE), Mean Absolut
Persentase Error (MAPE) dimana masing masing uji statistik di atas mengukur
keakuratan output simulasi, sedangkan Mean Percentase Error (MPE) dapat menentukan apakah metoda peramalan mengandung bias (Hauke et al., 2001). Dalam penelitian ini akan dilakukan dengan uji statistik MAPE dan MPE dimana rumus matematiknya sebagai berikut :
∑
= − = n t t t t Y Y Y n MAPE 1 ˆ 1 Dimana :Yt = nilai data aktual Yt = nilai simulasi model n = tahun/interval waktu
Kriteria ketepatan model dengan uji MAPE Lomauro dan Bakshi (1985) dalam Utami (2006) adalah :
MAPE < 5 % : Sangat tepat 5 % < MAPE< 10 % : Tepat
64
Kriteria ketepatan model dengan uji MAPE di atas (Hauke et al., 2001) adalah bila nilai MAPE mendekati nol maka model tidak bias atau dapat dikatakan secara konsisten nilai simulasi tidak melebihi atau di bawah nilai data aktual.
3.4.2.7. Analisis Prospektif
Analisis prospektif ini akan digunakan untuk menentukan peubah-peubah dominan yang mempengaruhi sistem yang dikaji. Menurut Bourgeois and Jesus (2004) metoda analisis partisipatori prospektif (Participatory Prospective Analysis = PPA) ini merupakan alat yang didisain untuk mengetahui atau menyelidiki dan mengantisipasi perubahan dengan partisipasi para ahli (expert) termasuk
stakeholder yang memberikan hasil yang cepat. Metoda ini sangat cocok pada
situasi dimana banyak stakeholder berinteraksi pada sistem yang kompleks, terutama sangat cocok untuk memberikan alternatif kebijakan pada lokal dan sektoral serta dapat memperkuat kapasitas stakeholder menjadi lebih aktif dalam pengambilan keputusan terkait dengan masa depannya.
Griffin dalam Bourgeous dan Jesus (2004) menyatakan bahwa metoda prospektif ini merupakan alat yang sangat cocok dan diperlukan untuk analisis kebijakan, terutama pada penelitian yang menyangkut pertanian berkelanjutan dan pembangunan berkelanjutan karena dapat memfasilitasi antisipasi perubahan perubahan dalam lingkungan yang tidak stabil.
Metoda analisis prospektif ini berkembang di Perancis pada tahun 1990-an. Metoda ini menganalisis implikasi dari berbagai alternatif asumsi dan bertujuan untuk memberikan berbagai pilihan bagi pengambil kebijakan. PPA ini dapat digunakan untuk merencanakan strategi (Strategic Actions) atau untuk menemukan perubahan-perubahan yang terjadi. Dalam melakukan analisis prospektif perlu diperhatikan beberapa hal sebagai berikut (Hartrisari, 2002a): 1. Menentukan faktor kunci untuk masa depan dari sistem yang dikaji
Pada tahap ini dilakukan identifikasi seluruh faktor penting dengan menggunakan kriteria faktor variabel, menganalisis pengaruh dan ketergantungan seluruh faktor dengan melihat pengaruh timbal balik dengan menggunakan matriks dan menggambarkan pengaruh dan ketergantungan dari masing-masing faktor ke dalam 4 (empat) kuadran utama .
65
2. Menentukan tujuan strategis dan kepentingan pelaku utama.
3. Mendefinisikan dan mendeskripsikan evolusi kemungkinan masa depan. Pada tahap ini dilakukan identifikasi bagaimana elemen kunci dapat berubah dengan menentukan keadaan (state) pada setiap faktor, memeriksa perubahan mana yang dapat terjadi bersamaan, dan menggambarkan skenario dengan memasang perubahan yang akan terjadi dengan cara mendiskusikan skenario dan implikasinya terhadap sistem. Metoda ini dapat dilakukan dengan pendekatan yang lebih luas, pendekatan yang dibangun oleh CIRAD dan CAPSA memakai delapan tahapan sebagai berikut (Bourgeous dan Jesus, 2004): (1) definisikan batasan sistem, (2) identifikasi variabel, (3) definisikan variabel kunci, (4) analisis pengaruh bersama (mutual), (5) interpretasi keterkaitan antar pengaruh dan ketergantungan, (6) definisikan variabel states, (7) membangun skenario dan (8) Implikasi strategi dan langkah antisipasi.
Untuk melihat pengaruh langsung antar faktor dalam sistem, yang dilakukan pada tahap pertama analisis prospektif digunakan matriks sebagai berikut.
Tabel 15. Pengaruh Langsung Antar Faktor Dalam Ketersediaan Beras Yang Berkelanjutan Dari ↓ Terhadap→ A B C D E F G H I J A B C D E F G H I J Sumber: Godet, 1999
Keterangan : A – J = Faktor penting dalam sistem Pedoman penelitian
Skor: Keterangan
0 Tidak ada pengaruh
1 Berpengaruh kecil
2 Berpengaruh sedang
66
Untuk menentukan faktor kunci digunakan software analisis prospektif yang akan memperlihatkan tingkat pengaruh dan ketergantungan antar faktor di dalam sistem, dengan tampilan sebagai berikut.
(1) (2)
(4) (3)
Gambar 14. Tingkat Pengaruh dan Ketergantungan Antar Faktor Dalam Sistem. Sumber : Byl et al., 2002; Hartrisari, 2002a; Bourgeois and Jesus, 2004
Masing-masing kuadran dalam diagram mempunyai karakteristik faktor yang berbeda (Bourgeois and Jesus, 2004) , yaitu :
1. Kuadran Pertama (driving variables)
Kuadran ini memuat faktor-faktor yang mempunyai pengaruh kuat namun ketergantungan yang kurang kuat. Faktor pada kuadran ini merupakan faktor penentu atau penggerak (driving variables) yang termasuk ke dalam kategori faktor paling kuat dalam sistem.
2. Kuadran Dua (leverage variables)
Faktor-faktor yang terdapat pada kuadran ini menunjukan bahwa faktor tersebut mempunyai pengaruh kuat dan ketergantungan yang kuat antar faktor (leverage variables), faktor-faktor yang ada di kuadran ini sebagian dianggap peubah yang kuat.
3. Kuadran Tiga (output variables)
Faktor dalam kuadran ini mewakili faktor output (output variables), dimana pengaruhnya kecil tapi ketergantungannya tinggi.
Faktor Penentu (Driving Variables) INPUT Faktor Penghubung (Leverage Variables) STAKE Faktor Bebas (Marginal Variables) UNUSED Faktor Terikat (Output Variables) OUTPUT Ketergantungan Pen gar uh
67
4. Kuadran Empat (marginal variables)
Dalam kuadran empat, akan ditemukan faktor marjinal (marginal variables), yang pengaruhnya kecil dan ketergantungannya juga rendah. Faktor ini bersifat bebas dalam sistem.
3.4.3. Analisis Sensitivitas
Analisis sensitivitas dalam penelitian ini dilakukan dengan tujuan untuk melihat sensitivitas parameter, variabel dan hubungan antar variabel dalam model yang dikaji. Hasil uji sensitivitas dalam penelitian ini terlihat dalam bentuk perubahan perilaku dan atau kinerja model. Perlakuan atau intervensi terhadap model umumnya didasarkan kepada kondisi yang mungkin terjadi dalam dunia nyata, maupun berdasarkan pilihan kebijakan yang mungkin terjadi. Ada dua kategori analisis sensitivitas yang dibedakan dari intervensinya yaitu intervensi fungsional dan intervensi struktural (Muhammadi et al., 2001). Intervensi fungsional yaitu intervensi terhadap parameter tertentu dalam model, intervensi yang dilakukan dalam penelitian ini merupakan antisipasi terhadap perubahan parameter yang mungkin terjadi dalam dunia nyata di masa datang. Selanjutnya dilakukan simulasi dan mengamati hasil dan dampaknya terhadap keseluruhan kinerja unsur dalam sistem. Intervensi struktural adalah intervensi yang mempengaruhi hubungan antar unsur atau struktur yang dapat dilakukan dengan mengubah unsur atau hubungan yang membentuk struktur model.
Tahapan analisis sensitivitas dalam penelitian ini dilakukan dalam dua tahap: (1) uji sensitivitas untuk masing-masing parameter. Hal ini dilakukan dengan tujuan untuk melihat parameter yang sensitive terhadap kinerja model. Dengan merubah parameter, kemudian dilihat dampaknya terhadap kinerja model. Kriteria yang dipakai untuk menilai performa sensitivitas dalam penelitian ini mengikuti kriteria seperti yang dikemukakan Maani dan Cavana (2000), parameter dikatakan sensitif (sensitive) bila parameter dirubah sebesar 10 persen dan dampaknya terhadap kinerja sistem dapat mencapai 5 – 14 persen, sangat sensitif (very sensitive) bila dampaknya terhadap kinerja model berkisar 15 – 34 persen dan sangat sangat sensitive (highly sensitive) bila dampaknya terhadap kinerja model lebih besar dari 35 persen. Parameter yang memiliki sensitivitas tinggi merupakan parameter penting dalam menentukan skenario kebijakan karena dalam simulasi model, parameter yang sensitive adalah jenis parameter yang dapat mencapai tujuan (goal) dalam periode waktu tertentu. (2)
68
uji sensitivitas kombinasi parameter terpilih, sehingga diperoleh bermacam kombinasi parameter untuk mempengaruhi kinerja sistem. Kombinasi parameter ini berguna dalam menentukan kebijakan di masa yang akan datang.
